矩阵填充旨在从不完整观测中恢复低秩矩阵，主要方法包括核范数最小化、投影梯度下降、鲁棒PCA和列污染处理，并推广至多低秩子空间并集情形。近期研究引入社区检测、流形学习和几何目标函数优化，提升了恢复精度与效率，应用于推荐系统和距离矩阵补全。

该文汇总了图像去噪与上色领域的多项研究，包括多通道加权核范数最小化、去马赛克先降噪的CNN方法、GCP-Colorization与BigColor上色、归一化流sRGB噪声模型、非局部深度网络、变换-阈值-反演、双重加权截断核范数、快速图形化点云去噪及高斯过程光谱恢复等方法，实验均优于现有技术。