基于纤维CUR分解的快速鲁棒张量主成分分析
机器学习
2021-10-13 v1 计算机视觉与模式识别
图像与视频处理
最优化与控制
摘要
我们研究张量鲁棒主成分分析（TRPCA）问题，旨在从观测张量中分离出潜在的低多线性秩张量和稀疏离群张量。本文我们提出一种快速非凸算法，称为鲁棒张量CUR（RTCUR），用于大规模TRPCA问题。RTCUR采用交替投影框架，并利用最近发展的张量纤维CUR分解大幅降低计算复杂度。在合成数据集上，RTCUR的性能优势相对于现有最优方法得到了实证验证，并在彩色视频背景分离等实际应用中进一步得到展示。
引用
@article{arxiv.2108.10448,
title = {Fast Robust Tensor Principal Component Analysis via Fiber CUR Decomposition},
author = {HanQin Cai and Zehan Chao and Longxiu Huang and Deanna Needell},
journal= {arXiv preprint arXiv:2108.10448},
year = {2021}
}
备注
Accepted to Workshop on Robust Subspace Learning and Applications in Computer Vision, International Conference on Computer Vision (ICCV) 2021