論文の概要: Nonnegative Low Rank Tensor Approximation and its Application to Multi-dimensional Images

• arxiv url: http://arxiv.org/abs/2007.14137v2
• Date: Sun, 26 Sep 2021 13:46:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 03:13:48.488196
• Title: Nonnegative Low Rank Tensor Approximation and its Application to Multi-dimensional Images
• Title（参考訳）: 非負低ランクテンソル近似と多次元画像への応用
• Authors: Tai-Xiang Jiang, Michael K. Ng, Junjun Pan, Guangjing Song
• Abstract要約: 非負性性は、画像データ取得において各画素値が非零光強度を指すので重要な特性の1つである。 このような非負の低階テンソル近似を計算するための交互投影アルゴリズムを提案する。 合成データと多次元画像の実験結果から,NLRTの性能が最先端のNTF法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 24.140129751739007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The main aim of this paper is to develop a new algorithm for computing nonnegative low rank tensor approximation for nonnegative tensors that arise in many multi-dimensional imaging applications. Nonnegativity is one of the important property as each pixel value refers to nonzero light intensity in image data acquisition. Our approach is different from classical nonnegative tensor factorization (NTF) which requires each factorized matrix and/or tensor to be nonnegative. In this paper, we determine a nonnegative low Tucker rank tensor to approximate a given nonnegative tensor. We propose an alternating projections algorithm for computing such nonnegative low rank tensor approximation, which is referred to as NLRT. The convergence of the proposed manifold projection method is established. Experimental results for synthetic data and multi-dimensional images are presented to demonstrate the performance of NLRT is better than state-of-the-art NTF methods.
• Abstract（参考訳）: 本論文の目的は,多次元イメージングアプリケーションで発生する非負のテンソルに対する非負の低ランクテンソル近似を計算する新しいアルゴリズムを開発することである。 画像データ取得において、各画素値が非零光強度を示すため、非負性は重要な特性の1つである。 このアプローチは古典的非負のテンソル因子分解(ntf)と異なり、それぞれの因子化行列と/またはテンソルが非負である必要がある。 本稿では、与えられた非負のテンソルを近似するために、非負のロータッカーランクテンソルを決定する。 NLRTと呼ばれる非負の低ランクテンソル近似を計算するための交互プロジェクションアルゴリズムを提案する。 提案した多様体投影法の収束性が確立された。 合成データと多次元画像の実験結果から,NLRTの性能が最先端のNTF法より優れていることを示す。

関連論文リスト

• 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)
• Tensor cumulants for statistical inference on invariant distributions [49.80012009682584]
  我々は,PCAが信号の大きさの臨界値で計算的に困難になることを示す。 我々は、与えられた次数の不変量に対して明示的でほぼ直交的な基底を与える新しい対象の集合を定義する。 また、異なるアンサンブルを区別する新しい問題も分析できます。
  論文  参考訳（メタデータ） (2024-04-29T14:33:24Z)
• Neural Fields with Thermal Activations for Arbitrary-Scale Super-Resolution [56.089473862929886]
  本稿では,適応型ガウスPSFを用いて点を問合せできる新しい設計手法を提案する。 理論的に保証されたアンチエイリアスにより、任意のスケールの単一画像の超解像のための新しい手法が確立される。
  論文  参考訳（メタデータ） (2023-11-29T14:01:28Z)
• Nonnegative Low-Rank Tensor Completion via Dual Formulation with Applications to Image and Video Completion [2.1227526213206542]
  テンソル完備化問題に対する最近のアプローチは、しばしばデータの非負の構造を見落としている。 非負の低ランクテンソルを学習する問題を考察し、双対性理論を用いてそのようなテンソルの新たな分解法を提案する。 提案アルゴリズムは,カラー画像のインペイント,ビデオ補完,ハイパースペクトル画像補完など,様々なタスクにまたがって検証を行う。
  論文  参考訳（メタデータ） (2023-05-13T17:51:00Z)
• Low-Rank Tensor Function Representation for Multi-Dimensional Data Recovery [52.21846313876592]
  低ランクテンソル関数表現(LRTFR)は、無限解像度でメッシュグリッドを超えてデータを連続的に表現することができる。 テンソル関数に対する2つの基本的な概念、すなわちテンソル関数ランクとローランクテンソル関数分解を開発する。 提案手法は,最先端手法と比較して,提案手法の優越性と汎用性を裏付けるものである。
  論文  参考訳（メタデータ） (2022-12-01T04:00:38Z)
• Sparse Nonnegative Tucker Decomposition and Completion under Noisy Observations [22.928734507082574]
  本研究では, 雑音下での非負データ回復のための, スパース非負のタッカー分解と補修法を提案する。 我々の理論結果は既存のテンソル法や行列法よりも優れている。
  論文  参考訳（メタデータ） (2022-08-17T13:29:14Z)
• Error Analysis of Tensor-Train Cross Approximation [88.83467216606778]
  我々は, テンソル全体の精度保証を行う。 結果は数値実験により検証され、高次テンソルに対するクロス近似の有用性に重要な意味を持つ可能性がある。
  論文  参考訳（メタデータ） (2022-07-09T19:33:59Z)
• Sparse Nonnegative Tensor Factorization and Completion with Noisy Observations [22.928734507082574]
  部分的および雑音的な観測から, スパース非負のテンソル分解と完成問題について検討した。 提案手法の誤差境界は, 一般の騒音観測において確立可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-21T07:17:52Z)
• Enhanced nonconvex low-rank approximation of tensor multi-modes for tensor completion [1.3406858660972554]
  我々は、新しい低ランク近似テンソルマルチモード(LRATM)を提案する。 ブロックバウンド法に基づくアルゴリズムは,提案手法を効率的に解くために設計されている。 3種類の公開多次元データセットの数値計算結果から,本アルゴリズムは様々な低ランクテンソルを復元可能であることが示された。
  論文  参考訳（メタデータ） (2020-05-28T08:53:54Z)
• 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)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)

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。