Publication

Tensor Robust Pca On Graphs

Pierre Vandergheynst, Nauman Shahid
2019
Conference Papers

Résumé

We propose a graph signal processing framework to overcome the computational burden of Tensor Robust PCA (TRPCA). Our framework also serves as a convex alternative to graph regularized tensor factorization methods. Our method is based on projecting a tensor onto a lower-dimensional graph basis and benefits from significantly smaller SVDs as compared to TRPCA. Qualitative and computational experiments on several 2D and 3D tensors reveal that for the same reconstruction quality, our method attains up to 100 times speed-up on a low-rank and sparse decomposition application.

Source officielle

https://infoscience.epfl.ch/entities/publication/e523db43-d7bd-440c-a42f-138cf468efe0

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Tensor Robust Pca On Graphs

Chattez avec Graph Search

Live-cell imaging powered by computation

A Combination Technique for Optimal Control Problems Constrained by Random PDEs

A Streamline Upwind Petrov-Galerkin Reduced Order Method for Advection-Dominated Partial Differential Equations Under Optimal Control