新财经综合实验室博士生在PR期刊上发表论文

近日，实验室视觉成像组博士生胡业勋的研究论文“Degradation accordant plug-and-play for low-rank tensor recovery”被《Pattern Recognition》录用。论文作者包括：胡业勋（博士生）、汤自新老师、蒋太翔教授（通讯作者）、赵熙乐教授（电子科技大学）、刘贵松教授。

图1 论文首页

该论文面向复合退化场景下的高维数据复原问题提出了退化一致的即插即用方法。针对带噪张量完备化这一典型反问题，该方法采用基于离散余弦变换的张量管道核范数刻画数据的全局低维结构，并巧妙将退化过程显式解耦为“数据缺失”和“噪声干扰”两个子过程，利用即插即用框架针对性构建隐式正则项，分别结合预训练的深度去噪网络和深度补全网络作为对应子问题的求解器，从而引入与各子退化过程相一致的数据驱动先验，实现了复合退化场景下的精细建模。研究进一步基于交替方向乘子法框架设计高效优化算法，并进行了相应的收敛性理论分析。相较于现有对比方法，该方法能够在高达97%的数据缺失率且伴随噪声影响的场景下实现更为精确的数据恢复，有效地兼顾几何结构恢复与细节保真，并在压缩感知磁共振成像任务中展现出良好的泛化能力。

Pattern Recognition主要涵盖模式识别、机器学习、计算机视觉、图像处理及其在各领域应用等方面的最新研究成果，是模式识别与人工智能领域的权威期刊。该期刊最新影响因子为7.6，是CCF-B类推荐、中科院一区TOP期刊。

图2 所提出方法在结构化缺失（上）及随机缺失（下）且伴随噪声干扰场景下的复原结果

新财经综合实验室由西南财经大学和中国农业银行2021年联合成立，刘贵松教授担任实验室主任。实验室聚焦可信人工智能基础理论、财经科技及数字经济深度融合等领域开展有组织科研和人才培养，近三年实验室持续在多个顶会和顶刊发表最新科研成果，包括IEEE TPAMI、IEEE TIP、IEEE TKDE、IJCV、CVPR、NeurIPS、ICDE、AAAI、IJCAI等。团队现有教师16人、本硕博学生和博士后近80人。