本研究提出了一种名为AltO的无监督学习框架，通过交替优化方法解决多模态图像对的单应性估计问题。该方法有效处理几何和模态差距，性能优于传统无监督方法。

本文介绍了一种基于张量分解的新方法，结合凸弛松和随机化技术，构建了可扩展的交替优化算法，适用于高维张量完成任务。研究探讨了张量环分解、稀疏张量分解及其在潜变量模型中的应用，并验证了不同算法的性能，展示了张量网络在数据处理中的优势。