利用复合扩散算子恢复多模态数据中的隐藏分量
信号处理
2018-08-23 v1
摘要
为高通量多模态数据寻找合适的低维表示可能具有挑战性，因为每种模态都体现出独特的形变与干扰。本文利用流形学习解决该问题，其中假设每种模态的数据位于某个流形上。在此背景下，目标是通过研究不同模态的底层流形来刻画它们之间的关系。我们提出两种新的扩散算子，能够以数据驱动的方式隔离、增强和衰减多模态数据中的隐藏分量。基于这些新算子，可为此类数据构建高效的低维表示，从而刻画不同模态底层流形之间的共同结构与差异。所提算子的能力在三维形状与胎儿心率监测应用中得到了验证。
引用
@article{arxiv.1808.07312,
title = {Recovering Hidden Components in Multimodal Data with Composite Diffusion Operators},
author = {Tal Shnitzer and Mirela Ben-Chen and Leonidas Guibas and Ronen Talmon and Hau-Tieng Wu},
journal= {arXiv preprint arXiv:1808.07312},
year = {2018}
}