論文の概要: Nonlinear Transform Induced Tensor Nuclear Norm for Tensor Completion
- arxiv url: http://arxiv.org/abs/2110.08774v1
- Date: Sun, 17 Oct 2021 09:25:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 13:09:30.691716
- Title: Nonlinear Transform Induced Tensor Nuclear Norm for Tensor Completion
- Title(参考訳): 非線形変換誘起テンソル核ノルムによるテンソル完了
- Authors: Ben-Zheng Li, Xi-Le Zhao, Teng-Yu Ji, Xiong-Jun Zhang, and Ting-Zhu
Huang
- Abstract要約: 我々はNTTNNとPAMアルゴリズムの理論的収束性に沿って低ランクテンソル完備化(LRTC)モデルを提案する。
本手法は,線形変換に基づく最先端核標準(TNN)法よりも質的に,定量的に優れている。
- 参考スコア(独自算出の注目度): 12.788874164701785
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The linear transform-based tensor nuclear norm (TNN) methods have recently
obtained promising results for tensor completion. The main idea of this type of
methods is exploiting the low-rank structure of frontal slices of the targeted
tensor under the linear transform along the third mode. However, the
low-rankness of frontal slices is not significant under linear transforms
family. To better pursue the low-rank approximation, we propose a nonlinear
transform-based TNN (NTTNN). More concretely, the proposed nonlinear transform
is a composite transform consisting of the linear semi-orthogonal transform
along the third mode and the element-wise nonlinear transform on frontal slices
of the tensor under the linear semi-orthogonal transform, which are
indispensable and complementary in the composite transform to fully exploit the
underlying low-rankness. Based on the suggested low-rankness metric, i.e.,
NTTNN, we propose a low-rank tensor completion (LRTC) model. To tackle the
resulting nonlinear and nonconvex optimization model, we elaborately design the
proximal alternating minimization (PAM) algorithm and establish the theoretical
convergence guarantee of the PAM algorithm. Extensive experimental results on
hyperspectral images, multispectral images, and videos show that the our method
outperforms linear transform-based state-of-the-art LRTC methods qualitatively
and quantitatively.
- Abstract(参考訳): 線形変換に基づくテンソル核ノルム(TNN)法は,最近,テンソル完備化の有望な結果を得た。
この種の方法の主な考え方は、第三モードに沿った線形変換の下でターゲットテンソルの前面スライスの低ランク構造を利用することである。
しかし, 線形変換系では, 前方スライスの低ランクさは重要ではない。
低ランク近似をよりよく追求するために,非線形変換に基づくTNN(NTTNN)を提案する。
より具体的には、提案した非線形変換は、第3モードに沿った線形半直交変換と、その基礎となる低ランク性を完全に活用するために、合成変換において必須かつ相補的である線形半直交変換の下でのテンソルの前方スライス上の要素次非線形変換からなる合成変換である。
提案する低ランク度指標(NTTNN)に基づいて,低ランクテンソル補完(LRTC)モデルを提案する。
結果の非線形および非凸最適化モデルに対処するため、近似交互最小化(PAM)アルゴリズムを精巧に設計し、PAMアルゴリズムの理論的収束保証を確立する。
ハイパースペクトラル画像,マルチスペクトラル画像,ビデオの広範な実験結果から,本手法は線形変換に基づくlrtc法よりも質的,定量的に優れることが示された。
関連論文リスト
- Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。
最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
論文 参考訳(メタデータ) (2023-10-20T12:45:12Z) - Gradient Descent Provably Solves Nonlinear Tomographic Reconstruction [60.95625458395291]
計算トモグラフィー(CT)では、フォワードモデルは線形変換と、ベル=ランベルト法則に従って光の減衰に基づく指数非線形性によって構成される。
金属クラウンを用いた人間の頭蓋骨の商業的再構築と比較すると,このアプローチは金属人工物を減らすことが示されている。
論文 参考訳(メタデータ) (2023-10-06T00:47:57Z) - A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。
2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文 参考訳(メタデータ) (2023-08-19T00:55:55Z) - Tangent Transformers for Composition, Privacy and Removal [58.280295030852194]
TAFT(Tangent Attention Fine-Tuning)は、線形変換器の微調整方法である。
TAFT(Tangent Attention Fine-Tuning)は、線形変換器の微調整方法である。
論文 参考訳(メタデータ) (2023-07-16T18:31:25Z) - Tensor Factorization via Transformed Tensor-Tensor Product for Image
Alignment [3.0969191504482243]
本研究では,観測画像が未知の領域変換によって変形する線形相関画像アライメントの問題について検討する。
3階テンソルの正面スライスとしてこれらの画像を積み重ねることで,基礎となるテンソルの低ランク性について検討する。
論文 参考訳(メタデータ) (2022-12-12T05:52:26Z) - T$^2$LR-Net: An Unrolling Reconstruction Network Learning Transformed
Tensor Low-Rank prior for Dynamic MR Imaging [6.101233798770526]
我々は、変換されたドメインの前にテンソルローランクを利用することができるTTNNに基づくフレキシブルモデルを導入する。
また,変換テンソルの低ランク化を前もって学習するためのモデルベースディープ・アンロール・リコンストラクション・ネットワークを導入する。
提案手法は,現状の最適化手法とネットワークベースのアンロール手法と比較して,改善された回復結果を提供することができる。
論文 参考訳(メタデータ) (2022-09-08T14:11:02Z) - 2D+3D facial expression recognition via embedded tensor manifold
regularization [16.98176664818354]
2D+3次元表情認識(FERETMR)のための埋め込みテンソル多様体正規化による新しい手法を提案する。
定常点の観点から一階最適条件を確立し、収束解析によるブロック座標降下(BCD)アルゴリズムを設計する。
BU-3DFEデータベースとBosphorusデータベースの数値計算結果から,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-01-29T06:11:00Z) - Self-Supervised Nonlinear Transform-Based Tensor Nuclear Norm for
Multi-Dimensional Image Recovery [27.34643415429293]
自己超越下で観測されたテンソルデータを用いて非線形変換を学習する多層ニューラルネットワークを提案する。
提案するネットワークは、変換テンソルの低ランク表現と、観測されたテンソルと再構成テンソルとの間のデータ適合を利用して非線形変換を構築する。
論文 参考訳(メタデータ) (2021-05-29T14:56:51Z) - LQF: Linear Quadratic Fine-Tuning [114.3840147070712]
本稿では,非線形微調整に匹敵する性能を実現する事前学習モデルの線形化手法を提案する。
LQFはアーキテクチャの単純な変更、損失関数、そして一般的に分類に使用される最適化で構成されている。
論文 参考訳(メタデータ) (2020-12-21T06:40:20Z) - 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。