[論文レビュー] A Generalized Framework for Agglomerative Clustering of Signed Graphs applied to Instance Segmentation.

Alberto Bailoni, Constantin Pape+4 more|arXiv (Cornell University)|Jun 27, 2019

Data Management and Algorithms参考文献 84被引用数 14

ひとこと要約

本稿では、引力的および斥力的ノード相互作用、連結基準、およびcannot-link制約を統合することで、既存の手法を統一・拡張する一般化された枠組みGASPを提案する。これは符号付きグラフにおける凝集的クラスタリングのための一般化されたフレームワークであり、インスタンスセグメンテーションベンチマークにおいて既存手法を上回る性能を示し、CREMI 2016およびCityScapesデータセットで最先端の結果を達成した。

ABSTRACT

We propose a novel theoretical framework that generalizes algorithms for hierarchical agglomerative clustering to weighted graphs with both attractive and repulsive interactions between the nodes. This framework defines GASP, a Generalized Algorithm for Signed graph Partitioning, and allows us to explore many combinations of different linkage criteria and cannot-link constraints. We prove the equivalence of existing clustering methods to some of those combinations, and introduce new algorithms for combinations which have not been studied. An extensive comparison is performed to evaluate properties of the clustering algorithms in the context of instance segmentation in images, including robustness to noise and efficiency. We show how one of the new algorithms proposed in our framework outperforms all previously known agglomerative methods for signed graphs, both on the competitive CREMI 2016 EM segmentation benchmark and on the CityScapes dataset.

研究の動機と目的

• 符号付きグラフにおける凝集的クラスタリングのための統一的理論的枠組みの欠如に取り組むこと。
• 異なる連結基準とcannot-link制約を1つの形式的枠組みに統合することで、既存のクラスタリングアルゴリズムを一般化すること。
• 符号付きグラフクラスタリングの文脈でこれまでに研究されていなかった新たなアルゴリズム的組み合わせを探索すること。
• 提案されたアルゴリズムのロバストネスと効率性を、現実世界のインスタンスセグメンテーションタスクにおいて評価すること。
• CREMI 2016やCityScapesなどのベンチマークデータセットにおいて、新規アルゴリズムが優れた性能を示すことを実証すること。

提案手法

• 重み付き符号付きグラフにおける階層的クラスタリングのための理論的枠組みとして、GASP（Generalized Algorithm for Signed graph Partitioning）を提案する。
• 正のエッジ（引力的）と負のエッジ（斥力的）の両方を考慮した複数の連結基準（例：シングル、コンプリート、アベレージ）を統合し、引力的および斥力的相互作用をモデル化する。
• cannot-link制約をクラスタリングプロセスに明示的に組み込み、類似しないノードのマージを防ぐ。
• 既存のクラスタリング定式化を一般化する統一された最適化目的関数を定義し、アルゴリズム的組み合わせの体系的探索を可能にする。
• 符号付きグラフ構造から導出された一般化された連結スコアに基づいてノードをマージするボトムアップの凝集的戦略を採用する。
• CREMI 2016およびCityScapesにおける画像インスタンスセグメンテーションの広範な実験を通じてフレームワークを検証し、mean DICEや境界F1などの指標を用いる。

実験結果

リサーチクエスチョン

• RQ1 既存の符号付きグラフにおける凝集的クラスタリング手法を、一貫した一般化された枠組みの下で正式に統一することは可能か？
• RQ2 どの連結基準とcannot-link制約の組み合わせが、符号付きグラフにおけるクラスタリング性能を向上させるか？
• RQ3 一般化された枠組み内での新たなアルゴリズム的組み合わせは、インスタンスセグメンテーションタスクにおいて既存の手法を上回る性能を発揮できるか？
• RQ4 提案されたアルゴリズムは、画像データのノイズや変動に対してどれほどロバストか？
• RQ5 既存のアプローチと比較して、新規アルゴリズムの計算効率はいかがなっているか？

主な発見

• GASPフレームワークから導出された新たなアルゴリズムの1つが、CREMI 2016の電子顕微鏡セグメンテーションベンチマークで最先端の性能を達成した。
• 提案されたアルゴリズムは、CREMI 2016データセットにおけるセグメンテーション品質の観点で、これまでに知られていたすべての凝集的手法を上回った。
• このフレームワークにより、符号付きグラフクラスタリングの文脈でこれまで未発表の新たなアルゴリズム的組み合わせの発見が可能になった。
• 新規アルゴリズムは画像データのノイズに対して高いロバストネスを示し、さまざまな条件下でも強力な性能を維持した。
• フレームワークは競争的な効率性を示しており、CityScapesのような大規模なインスタンスセグメンテーションタスクに適していることがわかった。
• 理論的分析により、いくつかの既存のクラスタリング手法がGASPフレームワーク内の特定のインスタンスに等価であることが確認された。