[논문 리뷰] Tensor Krylov subspace methods via the T-product for color image processing

M. El Guide, Alaa El Ichi외 2명|arXiv (Cornell University)|2020. 06. 10.

Tensor decomposition and applications참고 문헌 4인용 수 9

한 줄 요약

이 논문은 T-곱을 기반으로 한 텐서 크릴로프 부분공간 방법을 제안하여 색상 이미지 및 비디오 복원에서 발생하는 대규모 선형 텐서 방정식을 효율적으로 해결한다. 빠른 푸리에 변환(Fast Fourier Transform, FFT)과 글로벌 아르니올드/골루브-카한 이중대각화를 활용함으로써, 악조건 문제인 다채널 이미지 및 비디오 블러 복원 문제에 대해 고품질이며 계산적으로 효율적인 티호노프 정규화 해를 가능하게 한다.

ABSTRACT

The present paper is concerned with developing tensor iterative Krylov subspace methods to solve large multi-linear tensor equations. We use the well-known T-product for two tensors to define tensor global Arnoldi and tensor global Gloub-Kahan bidiagonalization algorithms. Furthermore, we illustrate how tensor-based global approaches can be exploited to solve ill-posed problems arising from recovering blurry multichannel (color) images and videos, using the so-called Tikhonov regularization technique, to provide computable approximate regularized solutions. We also review a generalized cross-validation and discrepancy principle type of criterion for the selection of the regularization parameter in the Tikhonov regularization. Applications to RGB image and video processing are given to demonstrate the efficiency of the algorithms.

연구 동기 및 목표

• 다채널 이미지 및 비디오 처리에서 발생하는 대규모 선형 텐서 방정식을 위한 효율적인 반복 해법을 개발하는 것.
• 클래식한 크릴로프 부분공간 방법(GMRES 및 골루브-카한)을 T-곱 형식론을 활용하여 텐서 프레임워크로 확장하는 것.
• 티호노프 정규화를 통해 악조건 문제인 색상 이미지 및 비디오 블러 복원 문제에 대해 빠르고 강건한 정규화를 가능하게 하는 것.
• T-곱 계산에서 빠른 푸리에 변환(FFT)을 활용하여 계산 비용을 감소시키는 것.
• GCV 및 불일치 원칙을 활용한 적응형 매개변수 선택을 통해 계산 비용이 저렴하면서도 고품질의 정규화 해를 제공하는 것.

제안 방법

• T-곱 $\ast$를 사용하여 텐서 선형 시스템을 $\mathcal{M}(\mathscr{X}) = \mathscr{C}$ 로 수식화하며, 여기서 $\mathcal{M}(\mathscr{X}) = \mathscr{A} \ast \mathscr{X}$ 또는 $\mathscr{A} \ast \mathscr{X} \ast \mathscr{B}$ 이다.
• T-곱 프레임워크 하에서 제3차 텐서에 적합한 텐서 글로벌 아르니올드 및 텐서 글로벌 골루브-카한 이중대각화 알고리즘을 도입한다.
• T-곱 간의 계산을 효율적으로 수행하기 위해 빠른 푸리에 변환(FFT)을 활용하여 계산 복잡도를 감소시킨다.
• 이상적인 문제의 해를 안정화하기 위해 텐서 시스템에 티호노프 정규화를 적용한다.
• 텐서 글로벌 GMRES 및 T-GGKB 방법에서 정규화된 해를 저비용으로 계산하기 위해 가우스형 구적법 및 재시작 전략을 활용한다.
• 일반화된 교차검증(GCV) 및 불일치 원칙을 활용하여 티호노프 정규화 매개변수를 자동으로 선택한다.

실험 결과

연구 질문

• RQ1 T-곱 기반 텐서 크릴로프 부분공간 방법은 색상 이미지 및 비디오 처리에서 대규모 선형 텐서 방정식을 효과적으로 해결할 수 있는가?
• RQ2 기존의 표준 행렬 기반 또는 텐서 기반 반복 방법과 비교할 때, T-곱 기반의 수식은 계산 효율성을 어떻게 향상시키는가?
• RQ3 T-곱 기반 글로벌 크릴로프 방법은 기존 방법들과 비교해 블러 및 노이즈가 있는 RGB 이미지 및 비디오 복원에서 성능이 어떻게 나타나는가?
• RQ4 GCV 및 불일치 원칙은 텐서 티호노프 정규화의 최적 정규화 매개변수 선택에 얼마나 효과적인가?
• RQ5 다수의 프레임을 동시에 텐서 프레임워크에서 처리함으로써, 제안된 방법은 비디오 복원에 대해 효율적으로 확장될 수 있는가?

주요 결과

• 제안된 텐서 글로벌 GMRES 및 T-GGKB 방법은 표준 글로벌 크릴로프 방법에 비해 훨씬 낮은 CPU 시간으로 더 높은 품질의 이미지 복원을 달성한다.
• 노이즈 수준 $10^{-3}$ 인 $\tt papav256$ 이미지의 경우, 알고리즘 4는 6.62초 만에 SNR 21.01과 상대 오차 $6.64 \times 10^{-2}$ 를 달성하였으며, 표준 GKB 방법(18.61초)을 초월하였다.
• 노이즈 수준 $10^{-3}$ 인 $\tt peppers$ 이미지의 경우, 알고리즘 4는 24.32초 만에 SNR 19.39와 상대 오차 $5.50 \times 10^{-2}$ 를 달성하였으며, 다시 한번 GKB 방법(78.13초)을 능가하였다.
• 비디오 복원에서, 노이즈 수준 $10^{-3}$ 인 경우 알고리즘 4는 SNR 19.97과 상대 오차 $4.07 \times 10^{-2}$ 를 35.68초 만에 달성하였고, 알고리즘 5는 유사한 SNR를 확보하면서도 더 낮은 CPU 시간(25.52초)을 기록하였다.
• GCV 및 불일치 원칙의 활용으로 자동이고 효과적인 정규화 매개변수 선택이 가능해져 안정적이고 고품질의 복원 결과를 도출하였다.
• 이 방법들은 비디오 데이터에 대해 확장성과 효율성을 입증하였으며, 저노이즈 수준에서 10프레임의 복원이 40초 이내에 처리되어 기존 방법들에 비해 뚜렷한 계산적 우위를 보였다.