論文の概要: Nonnegative Low-Rank Tensor Completion via Dual Formulation with Applications to Image and Video Completion

• arxiv url: http://arxiv.org/abs/2305.07976v1
• Date: Sat, 13 May 2023 17:51:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 18:32:24.049753
• Title: Nonnegative Low-Rank Tensor Completion via Dual Formulation with Applications to Image and Video Completion
• Title（参考訳）: デュアルフォーミュレーションによる非負の低ランクテンソルコンプリートと画像・ビデオコンプリートへの応用
• Authors: Tanmay Kumar Sinha, Jayadev Naram, Pawan Kumar
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.1227526213206542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent approaches to the tensor completion problem have often overlooked the nonnegative structure of the data. We consider the problem of learning a nonnegative low-rank tensor, and using duality theory, we propose a novel factorization of such tensors. The factorization decouples the nonnegative constraints from the low-rank constraints. The resulting problem is an optimization problem on manifolds, and we propose a variant of Riemannian conjugate gradients to solve it. We test the proposed algorithm across various tasks such as colour image inpainting, video completion, and hyperspectral image completion. Experimental results show that the proposed method outperforms many state-of-the-art tensor completion algorithms.
• Abstract（参考訳）: テンソル補完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構造を見落としている。 我々は,非負の低ランクテンソルを学習する問題を考えるとともに,双対性理論を用いて,そのようなテンソルの新しい因子分解を提案する。 因子化は非負の制約を低ランクの制約から切り離す。 その結果の問題は多様体上の最適化問題であり、それを解決するためにリーマン共役勾配の変種を提案する。 提案アルゴリズムは,カラー画像インペインティング,映像補完,ハイパースペクトル画像補完など,様々なタスクにわたってテストを行う。 実験の結果,提案手法は多くのテンソル補完アルゴリズムよりも優れていることがわかった。

関連論文リスト

• High-Probability Bounds for Stochastic Optimization and Variational Inequalities: the Case of Unbounded Variance [59.211456992422136]
  制約の少ない仮定の下で高確率収束結果のアルゴリズムを提案する。 これらの結果は、標準機能クラスに適合しない問題を最適化するために検討された手法の使用を正当化する。
  論文  参考訳（メタデータ） (2023-02-02T10:37:23Z)
• Improving Diffusion Models for Inverse Problems using Manifold Constraints [55.91148172752894]
  我々は,現在の解法がデータ多様体からサンプルパスを逸脱し,エラーが蓄積することを示す。 この問題に対処するため、多様体の制約に着想を得た追加の補正項を提案する。 本手法は理論上も経験上も従来の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-02T09:06:10Z)
• Smooth tensor estimation with unknown permutations [14.391648046717073]
  任意の指数置換を含む滑らかなテンソルモデルの族を開発する。 ブロックワイズ群における制約付き最小二乗推定器がミニマックス誤差境界を達成することを示す。 また,効率の良いボルダカウントアルゴリズムも提案する。
  論文  参考訳（メタデータ） (2021-11-08T17:53:48Z)
• Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable Approach for Continuous Markov Random Fields [53.31927549039624]
  断片的な離散化は既存の離散化問題と矛盾しないことを示す。 この理論を2つの画像のマッチング問題に適用する。
  論文  参考訳（メタデータ） (2021-07-13T12:31:06Z)
• 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)
• MTC: Multiresolution Tensor Completion from Partial and Coarse Observations [49.931849672492305]
  既存の完備化の定式化は、主に1つのテンソルからの部分的な観測に依存する。 この問題を解決するために,効率的なマルチレゾリューション・コンプリート・モデル(MTC)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T02:20:03Z)
• Learning a Single Neuron with Bias Using Gradient Descent [53.15475693468925]
  単一ニューロンをバイアス項で学習する基本的な問題について検討する。 これはバイアスのないケースとは大きく異なり、より難しい問題であることを示す。
  論文  参考訳（メタデータ） (2021-06-02T12:09:55Z)
• Nonnegative Low Rank Tensor Approximation and its Application to Multi-dimensional Images [24.140129751739007]
  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。
  論文  参考訳（メタデータ） (2020-07-28T11:52:19Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)
• 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 denoising and completion based on ordinal observations [11.193504036335503]
  我々は,不完全と思われる順序値の観測から,低ランクテンソル推定の問題を考える。 本稿では,マルチ線形累積リンクモデルを提案し,ランク制約付きM推定器を開発し,理論的精度の保証を得る。 提案した推定器は低ランクモデルのクラスにおいて最小限最適であることを示す。
  論文  参考訳（メタデータ） (2020-02-16T07:09:56Z)

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。