基于双变换核范数最小化的张量补全（英文）

非凸方法在低秩张张量补全中发挥着重要的作用,相比于凸方法,非凸方法是对张量秩的更紧估计。但是这类方法因为需要计算大张量的奇异值而非常耗时。本文提出了一种双变换核范数（Double transformed tubal neclear norm,DTTNN）作为秩范数的非凸松弛用于求解低秩张量补全（Low rank tensor completion,LRTC）问题。DTTNN将对大张量的非凸惩罚等价地转化为对两个小张量的凸惩罚。因此,DTTNN可以有效节省非凸方法的求解时间。彩色图像修复和视频修复的实验结果验证了DTTNN方法的有效性。