[論文レビュー] A Flexible Tensor Block Coordinate Ascent Scheme for Hypergraph Matching

Quynh Nguyen, Antoine Gautier+1 more|arXiv (Cornell University)|Apr 29, 2015

Graph Theory and Algorithms参考文献 25被引用数 13

ひとこと要約

本論文は、離散的割り当て行列におけるマッチングスコアの単調増加を保証する、ハイパーグラフマッチングのための柔軟なテンソルブロック座標上昇フレームワークを提案する。三階の問題を同等の四階の問題に再定式化することで、著者らは二つのアルゴリズム—BCAGM および BCAGM+MP—を構築した。これらは、高ノイズおよび外れ値の多い状況下でも、従来手法を上回るマッチング精度とスコアを達成した。

ABSTRACT

The estimation of correspondences between two images resp. point sets is a core problem in computer vision. One way to formulate the problem is graph matching leading to the quadratic assignment problem which is NP-hard. Several so called second order methods have been proposed to solve this problem. In recent years hypergraph matching leading to a third order problem became popular as it allows for better integration of geometric information. For most of these third order algorithms no theoretical guarantees are known. In this paper we propose a general framework for tensor block coordinate ascent methods for hypergraph matching. We propose two algorithms which both come along with the guarantee of monotonic ascent in the matching score on the set of discrete assignment matrices. In the experiments we show that our new algorithms outperform previous work both in terms of achieving better matching scores and matching accuracy. This holds in particular for very challenging settings where one has a high number of outliers and other forms of noise.

研究の動機と目的

• 既存の三階ハイパーグラフマッチングアルゴリズムにおける理論的保証の欠如に対処する。
• マッチングスコアの単調改善を維持する、テンソルに基づくブロック座標上昇の一般枠組みを構築する。
• 特に外れ値比が高い困難な状況下でも、ハイパーグラフマッチングにおけるノイズおよび外れ値への耐性を向上させる。
• 離散化の段階でのみでなく、最適化全体を通して一対一マッチング制約を保持する。
• 最先端の二階および三階手法と比較して、マッチングスコアおよび精度の両面で優れた性能を達成する。

提案手法

• マルチラインア代数を用いて、三階ハイパーグラフマッチング問題を同等の四階テンソル最適化問題に再定式化する。
• 割り当て行列の部分集合に対して反復的に最適化を行うブロック座標上昇スキームを適用し、離散的制約を維持する。
• マルチラインア再定式化を用いることで、幾何的情報の損失なしに高次テンソルに対する効率的な最適化を可能にする。
• 二つのアルゴリズムを導入する：BCAGM（グリーディマッチングを用いたブロック座標上昇）およびBCAGM+MP（パワー法による精錬を含む）、両者とも目的関数における単調増加を保証する。
• 四階テンソルの最大特異ベクトルを初期化に活用し、収束性および性能の向上を図る。
• 各反復で実行可能な解を保つための射影ステップを導入し、最終的な離散化に依存するのではなく、最適化全体を通して一対一マッチングを強制する。

実験結果

リサーチクエスチョン

• RQ1 離散的割り当て行列におけるハイパーグラフマッチングスコアの単調増加を保証するテンソルベースのブロック座標上昇フレームワークを設計可能か？
• RQ2 提案フレームワークは、ノイズおよび外れ値下でのマッチング精度および耐性面で、既存の二階および三階手法と比較してどのように異なるか？
• RQ3 四階問題へのマルチラインア再定式化が幾何的情報をどれほど保持し、最適化の安定性をどのように向上させるか？
• RQ4 テンソルの最大特異ベクトルを用いた初期化が、マッチングスコアおよび精度に顕著な向上をもたらすか？
• RQ5 幾何的歪みやごみの程度が異なる多様なデータセットにおいて、このフレームワークは強力な性能を維持できるか？

主な発見

• 提案されたBCAGMおよびBCAGM+MPアルゴリズムは、離散的割り当て行列上でのマッチングスコアにおいて単調増加を達成し、従来の三階手法では得られなかった理論的保証を提供する。
• CMU Houseデータセットにおいて、30 vs 30の設定ではBCAGM+MPが34/34の正しくマッチしたペア（スコア5377.3）を達成し、RRWHM（28/34）およびHGM（9/34）を上回った。
• CMU Houseの10ポイント vs 30ポイントの設定では、BCAGM+MPが28/34の正しくマッチしたペアを達成し、精度およびスコアの両面でHGM（9/34）およびRRWHM（28/34）を著しく上回った。
• CarおよびMotorbikeデータセットでは、外れ値数が増加するに従い、BCAGM+MPがRRWHM、HGM、TMよりも高い平均マッチング精度および目的関数スコアを達成した。
• 四階テンソルの最大特異ベクトルを用いた初期化により、スコアが最大2%向上し、精度が最大3%向上した。これは、情報に基づいた初期化の価値を示している。
• フレームワークは競争力のある実行時間を維持しながら、ノイズや外れ値が多様な状況下でも、従来手法を著しく上回る性能を示しており、その耐性が確認された。