记者从西南大学了解到，该校研究团队发布了基于二值量化的低秩张量恢复模型、理论与算法，有助于提升数据大规模传输的速度和精度，同时降低硬件成本，使得数据传送、压缩和保存的“性价比”更高。相关研究成果已由人工智能领域国际期刊《IEEE模式分析与机器智能汇刊》在线发表。

据论文通讯作者、西南大学数学与统计学院王建军教授介绍，随着人工智能技术应用的不断拓展，图像视频处理、模式识别和计算机视觉等领域的数据传输量巨大。但受制于硬件成本与对数据传输速度的要求，目前常用的低秩张量恢复(LRTR)方法在数据大规模传输过程中无法实现信号高精度量化，由此产生的量化误差对系统恢复性能带来影响。针对这一问题，王建军研究团队提出了基于二值量化的低秩张量恢复模型、理论与算法，其原理是将二值测量方法与低秩张量恢复相结合，使得量化过程纳入模型进行处理，从而有效控制量化误差对系统恢复性能的影响，弥补已有算法的缺陷。

试验结果表明，这一新算法在人脸图像恢复和多光谱图像恢复等实际应用中取得了更高的恢复精度，获得的图像数据更加清晰。新算法在降低数据传输的硬件成本的同时，数据处理速度也得到提高，使得更高“性价比”的数据传送、压缩和保存成为可能。

目前，王建军研究团队已与移动通信终端、医疗图像处理等领域相关企业开展合作，推动国产移动终端技术更新，在医疗方面提升核磁造影的处理速度，降低经济成本。新算法还有望与雷达成像技术结合，在气象监测、地质勘探等领域发挥作用。