正定矩阵的稀疏张量分解

这是一篇来自PAMI的论文《Tensor Sparse Coding for Positive Define Matrices》

1. 全文的组织架构

Section 1. Introduction，主要介绍了当前基于正定矩阵的稀疏编码方法与传统的基于矢量化的稀疏处理方法的区别。同时附带分析了正定矩阵的性质以及正定矩阵的应用场景。

Section2. 简要介绍了Region Covariance Discriptor（区域协方差描述子，RCD）。RCD是一个典型的正定矩阵，是本文工作的出发点，实验部分的测试中全部使用了RCD，通过研究RCD的处理来说明正定矩阵的稀疏编码方法。

Section3. 对于之前的基于区域协方差的研究工作做了回顾，尤其是利用这些方法处理流形几何结构的情况。

Section4. 描述了正定矩阵的稀疏编码问题。

Section5. 解释了本文提出的稀疏张量编码方法。

Section6. 设计了合成数据实验，用于和矢量化处理进行对比，表明直接利用张量分析的必要性。

Section7. 实际场景的实验举例，包括利用RCD处理人类外观建模、纹理分析、和面部识别的一些问题。通过与前人方法对比展现了基于正定矩阵的稀疏编码的适用性。

Section8. 展示了基于黎曼流形的测地距离与本文使用的目标方程之间的相似性。

Section9. 总结及后续的工作展望。