基于对偶形式的非负低秩张量补全及其在图像与视频补全中的应用
计算机视觉与模式识别
2023-05-16 v1 机器学习
摘要
近期张量补全问题的研究方法常忽略数据的非负结构。我们考虑学习一个非负低秩张量,并利用对偶理论提出此类张量的一种新分解。该分解将非负约束与低秩约束解耦。所得问题为流形上的优化问题,我们提出一种黎曼共轭梯度的变体来求解。我们在多项任务上测试了所提算法,如彩色图像修复、视频补全和高光谱图像补全。实验结果表明,该方法优于许多最先进的张量补全算法。
引用
@article{arxiv.2305.07976,
title = {Nonnegative Low-Rank Tensor Completion via Dual Formulation with Applications to Image and Video Completion},
author = {Tanmay Kumar Sinha and Jayadev Naram and Pawan Kumar},
journal= {arXiv preprint arXiv:2305.07976},
year = {2023}
}
备注
accepted in WACV 2022