論文の概要: Non-local Patch-based Low-rank Tensor Ring Completion for Visual Data
- arxiv url: http://arxiv.org/abs/2105.14620v1
- Date: Sun, 30 May 2021 20:33:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-02 08:20:20.257517
- Title: Non-local Patch-based Low-rank Tensor Ring Completion for Visual Data
- Title（参考訳）: ビジュアルデータに対する非局所的パッチベース低ランクテンソルリング補完
- Authors: Yicong He, George K. Atia
- Abstract要約: 我々は,非局所パッチベースのテンソルリング補完アルゴリズムを開発した。
本稿では、視覚データの空間的領域と時間的領域に沿って、参照パッチ毎に類似したパッチを抽出する。
また,新しい間隔サンプリング型ブロックマッチング戦略とハイブリッドコンプリート戦略も提案し,効率と精度の向上を図っている。
- 参考スコア（独自算出の注目度）: 14.048989759890475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tensor completion is the problem of estimating the missing entries of a
partially observed tensor with a certain low-rank structure. It improves on
matrix completion for image and video data by capturing additional structural
information intrinsic to such data. % With more inherent information involving
in tensor structure than matrix, tensor completion has shown better performance
compared with matrix completion especially in image and video data. Traditional
completion algorithms treat the entire visual data as a tensor, which may not
always work well especially when camera or object motion exists. In this paper,
we develop a novel non-local patch-based tensor ring completion algorithm. In
the proposed approach, similar patches are extracted for each reference patch
along both the spatial and temporal domains of the visual data. The collected
patches are then formed into a high-order tensor and a tensor ring completion
algorithm is proposed to recover the completed tensor. A novel interval
sampling-based block matching (ISBM) strategy and a hybrid completion strategy
are also proposed to improve efficiency and accuracy. Further, we develop an
online patch-based completion algorithm to deal with streaming video data. An
efficient online tensor ring completion algorithm is proposed to reduce the
time cost. Extensive experimental results demonstrate the superior performance
of the proposed algorithms compared with state-of-the-art methods.
- Abstract（参考訳）: テンソル完全度(tensor completion)は、ある低ランク構造を持つ部分観測テンソルの欠落エントリを推定する問題である。
このようなデータに固有の追加構造情報をキャプチャすることで、画像および映像データの行列補完を改善する。
% マトリックスよりもテンソル構造に係わる固有情報が多いため,特に画像やビデオデータにおいて,テンソル補完は行列補完よりも優れた性能を示した。
従来の補完アルゴリズムでは、視覚データ全体をテンソルとして扱うが、カメラや物体の動きがある場合には必ずしもうまく機能しない。
本稿では,非局所パッチベースのテンソルリング補完アルゴリズムを提案する。
提案手法では,視覚データの空間的領域および時間的領域に沿って,参照パッチ毎に類似したパッチを抽出する。
収集されたパッチは高次テンソルに形成され、完成テンソルを回復するためにテンソルリング補完アルゴリズムが提案される。
また,新しい間隔サンプリングベースブロックマッチング(ISBM)戦略とハイブリッドコンプリート戦略も提案し,効率と精度の向上を図っている。
さらに,ストリーミングビデオデータを扱うオンラインパッチベースの補完アルゴリズムを開発した。
時間コストを削減するために,効率的なオンラインテンソルリング補完アルゴリズムを提案する。
実験結果から,提案手法は最先端手法と比較して優れた性能を示した。
関連論文リスト
- A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。
汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。
MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
論文 参考訳（メタデータ） (2024-07-19T08:29:12Z) - Power of $\ell_1$-Norm Regularized Kaczmarz Algorithms for High-Order Tensor Recovery [8.812294191190896]
スパース構造および/またはローランク構造を特徴とする高次テンソルを復元するための新しいカッツマルツアルゴリズムを提案する。
合成および実世界の両方のデータセットに関する様々な数値実験により、提案手法の有効性と有意義なポテンシャルが示された。
論文 参考訳（メタデータ） (2024-05-14T02:06:53Z) - Spatio-Temporal Side Tuning Pre-trained Foundation Models for Video-based Pedestrian Attribute Recognition [58.79807861739438]
既存の歩行者認識アルゴリズム(PAR)は主に静的画像に基づいて開発されている。
本稿では,時間的情報を完全に活用できるビデオフレームを用いて,人間の属性を理解することを提案する。
論文 参考訳（メタデータ） (2024-04-27T14:43:32Z) - Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。
提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
論文 参考訳（メタデータ） (2024-01-12T17:57:07Z) - Distributive Pre-Training of Generative Modeling Using Matrix-Product
States [0.0]
本稿では,基本的なテンソルネットワーク操作,例えば和と圧縮を利用した代替的なトレーニング手法を検討する。
トレーニングアルゴリズムは、製品状態表現におけるすべてのトレーニングデータから構築された重ね合わせ状態を圧縮する。
MNISTデータセット上でアルゴリズムをベンチマークし、新しい画像と分類タスクを生成するための妥当な結果を示す。
論文 参考訳（メタデータ） (2023-06-26T15:46:08Z) - Efficient Dataset Distillation Using Random Feature Approximation [109.07737733329019]
本稿では,ニューラルネットワークガウス過程(NNGP)カーネルのランダム特徴近似(RFA)を用いた新しいアルゴリズムを提案する。
我々のアルゴリズムは、KIP上で少なくとも100倍のスピードアップを提供し、1つのGPUで実行できる。
RFA蒸留 (RFAD) と呼ばれる本手法は, 大規模データセットの精度において, KIP や他のデータセット凝縮アルゴリズムと競合して動作する。
論文 参考訳（メタデータ） (2022-10-21T15:56:13Z) - A high-order tensor completion algorithm based on Fully-Connected Tensor
Network weighted optimization [8.229028597459752]
完全連結テンソルネットワーク重み付き最適化(FCTN-WOPT)と呼ばれる新しいテンソル補完法を提案する。
このアルゴリズムは、FCTN分解から因子を初期化して完成テンソルの構成を行う。
その結果,FCTN-WOPTが高次テンソル完備化に適用された際の高性能性を示した。
論文 参考訳（メタデータ） (2022-04-04T13:46:32Z) - Temporally-Consistent Surface Reconstruction using Metrically-Consistent
Atlases [131.50372468579067]
そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。
我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。
当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
論文 参考訳（メタデータ） (2021-11-12T17:48:25Z) - Accelerated Stochastic Gradient for Nonnegative Tensor Completion and
Parallel Implementation [0.3670422696827525]
我々は、交互最適化フレームワークを採用し、勾配加速アルゴリズムのバリエーションを用いて、各非負行列補完問題を解く。
高速化を実現するマルチスレッドAPI OpenMP を用いて,提案アルゴリズムの共有メモリ実装を開発する。
論文 参考訳（メタデータ） (2021-09-20T13:32:12Z) - 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) - An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。
正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
論文 参考訳（メタデータ） (2021-06-06T02:27:55Z)
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。