Low rank tensor completion for multiway visual data

تکمیل تانسور، ورودی های ناموفق داده های چندرسانه ای را بازیابی می کند. گم شدن از نوشتهها اغلب در طول کسب اطلاعات و تبدیل ممکن است باعث شود. در این مقاله، ما یک مرور کلی از پیشرفت های اخیر در تکمیل تانسور ضعیف برای ارزیابی اجزای گمشده داده های بصری ارائه می دهیم، به عنوان مثال ، تصاویر رنگی و فیلم ها. ابتدا، این روش ها را به دو گروه بر اساس مدل های مختلف بهینه سازی تقسیم می کنیم. یکی از عوامل تجمع تانسور با رتبه تانسور از پیش تعیین شده بهینه می شود. تکرار دیگر تانسور تخمین زده شده را از طریق به حداقل رساندن رتبه تانسور به روز می کند. علاوه بر این، ما الگوریتم های مربوطه را برای حل این مشکلات بهینه سازی در جزئیات خلاصه می کنیم. آزمایش های عددی برای نشان دادن مقایسه عملکرد، زمانی که روش های مختلف برای پردازش رنگ و تصویر استفاده می شود.