折叠与否：用于视觉数据补全的图正则化张量列
信号处理
2025-09-25 v2 计算机视觉与模式识别
摘要
张量列（TT）表示在视觉数据补全任务中取得了巨大成功，尤其是当其结合张量折叠时。然而，折叠图像或视频张量会破坏原始数据结构，导致局部信息丢失，因为邻近像素可能被分配到不同维度而彼此远离。在本文中，为充分保留原始视觉数据的局部信息，我们探索不对数据张量进行折叠，同时采用图信息来正则化邻近元素之间的局部相似性。为克服TT补全问题中图正则化引入的高计算复杂度，我们提出将原始问题分解为关于每个TT核纤维（而非如传统方法那样每个TT核）的多个子问题。此外，为避免繁重的参数调优，基于广义逆高斯（GIG）先验构建了促进稀疏性的概率模型，并在平均场近似下推导了推断算法。在合成数据和真实世界视觉数据上的实验表明了所提方法的优越性。
引用
@article{arxiv.2306.11123,
title = {To Fold or Not to Fold: Graph Regularized Tensor Train for Visual Data Completion},
author = {Le Xu and Lei Cheng and Ngai Wong and Yik-Chung Wu},
journal= {arXiv preprint arXiv:2306.11123},
year = {2025}
}