[论文解读] Robust Tensor Completion Using Transformed Tensor SVD

Guang‐Jing Song, Michael K. Ng+1 more|arXiv (Cornell University)|Jul 2, 2019

Sparse and Compressive Sensing Techniques参考文献 52被引用 9

一句话总结

本文提出一种基于变换张量奇异值分解（t-TSVD）的鲁棒张量补全方法，用任意酉变换替代标准傅里叶变换，以实现更低的管秩和更优的低秩逼近。与基于傅里叶变换及其他鲁棒张量补全技术相比，该方法在高光谱、视频和人脸数据集上的PSNR恢复性能表现出色。

ABSTRACT

In this paper, we study robust tensor completion by using transformed tensor singular value decomposition (SVD), which employs unitary transform matrices instead of discrete Fourier transform matrix that is used in the traditional tensor SVD. The main motivation is that a lower tubal rank tensor can be obtained by using other unitary transform matrices than that by using discrete Fourier transform matrix. This would be more effective for robust tensor completion. Experimental results for hyperspectral, video and face datasets have shown that the recovery performance for the robust tensor completion problem by using transformed tensor SVD is better in PSNR than that by using Fourier transform and other robust tensor completion methods.

研究动机与目标

• 通过在张量奇异值分解中用更有效的酉变换矩阵替代离散傅里叶变换，提升鲁棒张量补全性能。
• 比传统张量SVD更有效地降低管秩，从而增强多维数据的低秩逼近能力。
• 在张量数据存在稀疏噪声和缺失值的情况下，实现更优的恢复性能。
• 在受限特征值和非一致性条件下，为低管秩张量的精确恢复提供理论保证。

提出的方法

• 采用一般酉变换矩阵而非离散傅里叶变换，定义新的张量管秩，实现变换张量SVD（t-TSVD）。
• 用酉变换矩阵Φ定义的广义t-积替代基于傅里叶变换的张量t-积，实现更优的低秩表示。
• 求解结合管核范数（管秩的凸近似）与ℓ₁-范数的凸优化问题，以处理稀疏噪声。
• 使用原始-对偶混合梯度法求解鲁棒张量补全模型，并在特定条件下进行收敛性分析。
• 引入方向张量及投影算子（P_T 和 P_T⊥），对解空间进行分解并分析误差界。
• 基于受限特征值和非一致性条件，推导理论恢复保证，证明在高概率下可实现精确恢复。

实验结果

研究问题

• RQ1 在张量SVD中用其他酉变换替代离散傅里叶变换，是否能实现更低的管秩并提升张量补全的低秩逼近性能？
• RQ2 与标准基于傅里叶变换的张量SVD相比，变换张量SVD框架是否能在存在稀疏噪声和缺失值的情况下提升恢复精度？
• RQ3 何种理论条件可确保基于所提t-TSVD的鲁棒张量补全模型实现低管秩张量的精确恢复？
• RQ4 酉变换矩阵的选择如何影响真实世界数据集（如高光谱图像和视频）中张量补全的性能？

主要发现

• 所提出的变换张量SVD方法在高光谱、视频和人脸数据集上的张量恢复中，相比基于傅里叶变换的张量SVD及其他鲁棒张量补全方法，PSNR显著更高。
• 通过优化酉变换实现更低的管秩，该方法在低秩逼近方面表现更优，从而提升了恢复精度。
• 理论分析表明，在受限特征值和非一致性条件下，低管秩张量可高概率实现精确恢复。
• 解的误差界随迭代次数呈指数衰减，满足 ∥Z_p∥_F ≤ (1/2)^p ∥Z_0∥_F，确保快速收敛。
• 该方法对稀疏噪声具有鲁棒性，当参数设置合理时，满足 ∥P_{T⊥}(Y)∥ ≤ 1/4 且 ∥P_Γ(Y)∥_∞ ≤ λ/2。
• 理论界表明，恢复误差的量级为 O(λ√(ρμr n₁n₃ log(n₁n₃)/n₂))，证实了在噪声下的稳定性与收敛性。