非凸时序差分低秩约束的人体运动捕获数据恢复算法OA北大核心
人体运动捕获数据恢复问题旨在恢复缺少的运动标记点位置信息,同时消除噪声。现有基于低秩矩阵填充的恢复方法大多利用人体运动捕获数据矩阵的低秩性。然而,随着运动数据帧数的不断增加,低秩性可能不再满足。为更好地刻画运动数据的低秩性,提出一种联合Schatten-p范数和lq范数的非凸时序差分低秩约束(NTDLR)的人体运动捕获数据恢复算法。首先,将数据矩阵投影至时序差分空间,构造时序差分矩阵。其次,引入非凸Schatten-p范数,刻画数据时序差分矩阵的低秩性,同时引入非凸lq范数约束稀疏噪声项。再次,利用交替方向乘子法求解模型,采用Newton-Raphson迭代法求解子问题。最后,在CMU数据集和HDM05数据集上,将NTDLR与经典的TrNN、CaNN和IRNNL Lp算法进行了比较,结果表明,NTDLR算法的视觉效果更优,具有更好的恢复性能。
胡文玉;彭绍婷;郭震宇;黄慧英
赣南师范大学数学与计算机科学学院,江西赣州341000 江西省教育厅数据科学与人工智能重点实验室,江西赣州341000赣南师范大学数学与计算机科学学院,江西赣州341000 江西省教育厅数据科学与人工智能重点实验室,江西赣州341000赣南师范大学数学与计算机科学学院,江西赣州341000 江西省教育厅数据科学与人工智能重点实验室,江西赣州341000赣南师范大学数学与计算机科学学院,江西赣州341000 江西省教育厅数据科学与人工智能重点实验室,江西赣州341000
计算机与自动化
人体运动捕获矩阵补全时序差分Schatten-p范数非凸优化
《浙江大学学报(理学版)》 2025 (1)
P.146-158,13
国家自然科学基金资助项目(62266002)江西省自然科学基金项目(20224BAB202004)赣南师范大学学位与研究生教育教改研究项目(YJG-2021-13)。
评论