基于重加权对数范数最小化的矩阵完成
计算机视觉与模式识别
2025-12-25 v1
摘要
低秩矩阵完成(LRMC)在广泛的应用中展现出显著成功。为解决秩最小化问题的NP困难性，核范数常用作秩函数的凸且可计算的替代方案。然而，这种方法常常导致次优解，由于对奇异值进行过度收缩。本文提出一种新型重加权对数范数作为更有效的非凸替代方案，提供的逼近比许多现有方法更接近。我们通过采用交替方向乘子法(ADMM)高效求解 resulting optimization problem。图像填充实验结果表明，所提方法在视觉质量和定量指标方面均优于最先进的LRMC方法。
引用
@article{arxiv.2512.21050,
title = {Matrix Completion Via Reweighted Logarithmic Norm Minimization},
author = {Zhijie Wang and Liangtian He and Qinghua Zhang and Jifei Miao and Liang-Jian Deng and Jun Liu},
journal= {arXiv preprint arXiv:2512.21050},
year = {2025}
}