Tensor Factorization via Transformed Tensor-Tensor Product for Image Alignment

要約

この論文では、観測された画像がいくつかの未知のドメイン変換によって変形され、加法的ガウスノイズとスパースノイズによって同時に破損する、線形相関画像アライメントのバッチの問題を研究します。
これらの画像を 3 次テンソルの前頭スライスとしてスタックすることにより、変換されたテンソル テンソル積によるテンソル分解法を利用して、2 つの小さなテンソルの積に分解される基になるテンソルの低ランク性を調べることを提案します。
任意のユニタリ変換下で変換されたテンソル-テンソル積を介して。
変換されたテンソル-テンソル積の主な利点は、変換されたテンソル核ノルムに基づく既存の文献と比較して、計算の複雑さが低いことです。
さらに、テンソル $\ell_p$ $(0要約(オリジナル)

In this paper, we study the problem of a batch of linearly correlated image alignment, where the observed images are deformed by some unknown domain transformations, and corrupted by additive Gaussian noise and sparse noise simultaneously. By stacking these images as the frontal slices of a third-order tensor, we propose to utilize the tensor factorization method via transformed tensor-tensor product to explore the low-rankness of the underlying tensor, which is factorized into the product of two smaller tensors via transformed tensor-tensor product under any unitary transformation. The main advantage of transformed tensor-tensor product is that its computational complexity is lower compared with the existing literature based on transformed tensor nuclear norm. Moreover, the tensor $\ell_p$ $(0arxiv情報

提供元, 利用サービス

arxiv.jp, Google