两篇新的研究论文提出了用于低秩张量补全和多维图像恢复的新颖方法。第一篇论文介绍了两种加权 Schatten-p 张量分解模型 WSpTFI 和 WSpTFII,它们通过允许灵活的组件加权和实现无 SVD 更新来提高重建质量和鲁棒性。第二篇论文提出了一个预训练的低秩张量分解 (PLTD) 框架,该框架集成了 DINOv3 等大型视觉模型来捕获图像间的通用结构,旨在实现更高的保真度、更少的参数和更小的碳足迹。 AI
影响 这些进展可能导致更有效、更准确的处理和重建复杂多维数据的方法,在图像修复和数据补全任务中有潜在应用。
排序理由 两篇在 arXiv 上发表的学术论文,详细介绍了张量分解和图像恢复的新方法。
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- DINOv3
- Gotit.pub
- Hugging Face
- Litmaps
- Pre-Trained Low-Rank Tensor Decomposition
- ScienceCast
- scite Smart Citations
- Schatten-p norm
- WSpTFI
- WSpTFII
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →