中文

博尔金-罗森特哈尔-谢克曼空间中的坐标系与分布嵌入:面向算子约化的框架

计算机视觉与模式识别 2025-10-29 v1 图形学

摘要

对于每一个1α<ω11\leq \alpha<\omega_1,我们构造了一个明确的无条件有限维分解(FDD)(Xλ)λTα(X_\lambda)_{\lambda\in\mathcal{T}_\alpha},其针对博尔金-罗森特哈尔-谢克曼空间Rαp,0R_\alpha^{p,0}通过阻塞其标准鞅差序列(MDS)基准实现。该FDD具有强大的再现特性,支持Rαp,0R_\alpha^{p,0}之间的数分布表示理论。我们利用这一框架证明了近似正交约化:Rαp,0R_\alpha^{p,0}上的每个有界线性算子,经由分布嵌入并在任意精度下,约化为标量FDD对角算子。结果导致,Rαp,0R_\alpha^{p,0}的标准MDS基准满足因子分解性质。

关键词

引用

@article{arxiv.2510.24486,
  title  = {Fast and accurate neural reflectance transformation imaging through knowledge distillation},
  author = {Tinsae G. Dulecha and Leonardo Righetto and Ruggero Pintus and Enrico Gobbetti and Andrea Giachetti},
  journal= {arXiv preprint arXiv:2510.24486},
  year   = {2025}
}

备注

18 pages