改进图像SVD应用以降低感知错误
问题概述
用户希望在图像处理中使用更合适的SVD实现，以降低感知错误并提升效果，但现有方法缺乏易用性和最佳实践。
痛点标签
- 现有SVD在图像处理中的实现方式导致感知错误较高
- 缺乏易用的随机SVD实现和相关教程
- 对截断误差曲线形状及其可控性缺乏了解
待验证问题
- 您是否在实际项目中遇到过SVD实现导致的感知错误或性能问题？
- 您是否对使用随机SVD或其他新方法进行图像压缩感兴趣？
- 您是否希望在图像处理流程中加入可逆预处理以降低感知错误？
证据
原话 · 来源 #comment_3
It seems that decreases error curve always has the same shape. Is there a name for this shape? I assume you could sample just a few points and have a good estimate of what the error will be for any truncation.
原话 · 来源 #comment_5
There are better ways to apply SVD to images than the way its usually taught
原话 · 来源 #comment_6
Meaningful decompositions have got to be my favorite subject in linear algebra, and SVD is the king of these. Another location this pops up is "eigenfaces", an early form of compression (and correlation) of images of faces.
免责声明：本卡片由 AI 从社区讨论中提炼，属于「痛点证据」，是需求分析与验证的起点，不等同于「已验证的市场需求」。AI 存在分析局限，关键决策前请打开上方原始讨论人工复核。