論文の概要: Bayesian Low Rank Tensor Ring Model for Image Completion

• arxiv url: http://arxiv.org/abs/2007.01055v1
• Date: Mon, 29 Jun 2020 02:58:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 14:20:45.842081
• Title: Bayesian Low Rank Tensor Ring Model for Image Completion
• Title（参考訳）: 画像補完のためのベイジアン低ランクテンソルリングモデル
• Authors: Zhen Long, Ce Zhu, Jiani Liu, Yipeng Liu
• Abstract要約: 低階テンソルリングモデルは、データ取得と変換において欠落したエントリを復元する画像補完に強力である。 本稿では,データの低階構造を自動的に学習することにより,画像補完のためのベイズ型低階テンソルリングモデルを提案する。
• 参考スコア（独自算出の注目度）: 44.148303000278574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low rank tensor ring model is powerful for image completion which recovers missing entries in data acquisition and transformation. The recently proposed tensor ring (TR) based completion algorithms generally solve the low rank optimization problem by alternating least squares method with predefined ranks, which may easily lead to overfitting when the unknown ranks are set too large and only a few measurements are available. In this paper, we present a Bayesian low rank tensor ring model for image completion by automatically learning the low rank structure of data. A multiplicative interaction model is developed for the low-rank tensor ring decomposition, where core factors are enforced to be sparse by assuming their entries obey Student-T distribution. Compared with most of the existing methods, the proposed one is free of parameter-tuning, and the TR ranks can be obtained by Bayesian inference. Numerical Experiments, including synthetic data, color images with different sizes and YaleFace dataset B with respect to one pose, show that the proposed approach outperforms state-of-the-art ones, especially in terms of recovery accuracy.
• Abstract（参考訳）: 低ランクテンソルリングモデルは、データ取得と変換の欠落エントリを回復する画像補完に強力である。 最近提案されたテンソルリング(TR)に基づく完備化アルゴリズムは、最小二乗法と予め定義された階数とを交互に組み合わせることで、一般に低階数最適化の問題を解決する。 本稿では,データの低階構造を自動学習することにより,画像補完のためのベイズ低階テンソルリングモデルを提案する。 低ランクテンソル環分解のための乗法的相互作用モデルが開発され、中核因子は学生-T分布に従うと仮定してスパースに強制される。 既存のほとんどの手法と比較して、提案手法はパラメータチューニングが不要であり、TRランクはベイズ推定によって得ることができる。 合成データ,異なるサイズのカラー画像,一ポーズに対するYaleFaceデータセットBなどを含む数値実験により,提案手法は,特に回復精度において最先端のものよりも優れていることが示された。

関連論文リスト

• EnsIR: An Ensemble Algorithm for Image Restoration via Gaussian Mixture Models [70.60381055741391]
  画像復元の課題は、説明された問題に関連し、単一のモデル予測と地道のずれをもたらす。 アンサンブル学習は、複数のベースモデルの予測を組み合わせることで、これらの偏差に対処することを目的としている。 我々は予測候補のアンサンブル重みを推定するために予測(EM)に基づくアルゴリズムを用いる。 我々のアルゴリズムは、モデルに依存しない訓練不要であり、様々なトレーニング済み画像復元モデルのシームレスな統合と強化を可能にする。
  論文  参考訳（メタデータ） (2024-10-30T12:16:35Z)
• Irregular Tensor Low-Rank Representation for Hyperspectral Image Representation [71.69331824668954]
  低ランクテンソル表現はスペクトル変動を緩和するための重要なアプローチである。 従来の低ランク表現法は、通常のデータキューブにのみ適用できる。 本稿では,不規則な3次元立方体を効率的にモデル化できる新しい不規則な低ランク表現法を提案する。
  論文  参考訳（メタデータ） (2024-10-24T02:56:22Z)
• Rethinking Classifier Re-Training in Long-Tailed Recognition: A Simple Logits Retargeting Approach [102.0769560460338]
  我々は,クラスごとのサンプル数に関する事前知識を必要とせず,シンプルなロジットアプローチ(LORT)を開発した。 提案手法は,CIFAR100-LT, ImageNet-LT, iNaturalist 2018など,様々な不均衡データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-01T03:27:08Z)
• Fine Structure-Aware Sampling: A New Sampling Training Scheme for Pixel-Aligned Implicit Models in Single-View Human Reconstruction [98.30014795224432]
  本研究では,単一視点の人物再構成のための暗黙的画素アライメントモデルをトレーニングするために,FSS(Final Structured-Aware Sampling)を導入する。 FSSは表面の厚さと複雑さに積極的に適応する。 また、画素アライメント型暗黙的モデルのためのメッシュ厚み損失信号を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:26:46Z)
• Fine-grained Retrieval Prompt Tuning [149.9071858259279]
  微粒な検索プロンプトチューニングは, サンプルプロンプトと特徴適応の観点から, きめの細かい検索タスクを実行するために, 凍結した事前学習モデルを操る。 学習可能なパラメータが少ないFRPTは、広く使われている3つの細粒度データセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-07-29T04:10:04Z)
• Bayesian Robust Tensor Ring Model for Incomplete Multiway Data [7.765112574724006]
  低ランクテンソル補完は、観測データから欠落したエントリを復元することを目的としている。 本稿では,RTC問題に対するロバストテンソルリング(BRTR)分解法を提案する。 実験により、BRTRは回復性能が向上し、他の最先端手法よりもノイズを除去できることが示された。
  論文  参考訳（メタデータ） (2022-02-27T09:25:24Z)
• Robust M-estimation-based Tensor Ring Completion: a Half-quadratic Minimization Approach [14.048989759890475]
  我々はM推定器を誤差統計量として用いるテンソル環完備化への頑健なアプローチを開発する。 truncatedの特異値分解と行列分解に基づくHQに基づく2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-19T04:37:50Z)
• Monocular Depth Estimation via Listwise Ranking using the Plackett-Luce Model [15.472533971305367]
  多くの実世界のアプリケーションでは、画像内の物体の相対的な深さがシーン理解に不可欠である。 近年のアプローチでは, この問題を回帰課題として扱うことにより, 単眼画像の深度予測の問題に対処している。 しかし、ランク付け手法は回帰の自然な代替として自らを示唆しており、実際、ペア比較を利用したランク付け手法はこの問題に対して有望な性能を示している。
  論文  参考訳（メタデータ） (2020-10-25T13:40:10Z)
• Tensor completion via nonconvex tensor ring rank minimization with guaranteed convergence [16.11872681638052]
  近年の研究では、テンソル環(TR)のランクはテンソル完備化において高い効果を示している。 最近提案されたTRランクは、特異値が等しくペナル化される重み付き和の中で構造を捉えることに基づいている。 本稿では,ロゼット型関数を非スムーズな緩和法として利用することを提案する。
  論文  参考訳（メタデータ） (2020-05-14T03:13:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。