基于低秩反卷积的多维信号恢复
计算机视觉与模式识别
2023-05-04 v1
摘要
本文提出低秩反卷积（Low-rank Deconvolution），一种用于高效信号表示的低层特征图学习的强大框架，可应用于信号恢复。其在多线性代数中的形式继承了卷积稀疏编码与低秩近似方法的特性，因为在该设定下信号被分解为一组与低秩张量卷积的滤波器。我们通过学习压缩视频表示以及解决图像修复问题展示了其优势。
引用
@article{arxiv.2305.02264,
title = {Multi-dimensional Signal Recovery using Low-rank Deconvolution},
author = {David Reixach},
journal= {arXiv preprint arXiv:2305.02264},
year = {2023}
}
备注
5 pages, 2 figures, 1 table, 2 algorithms. To be published in ICASSP 2023-2023 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), IEEE, 2023, To Appear