[論文レビュー] A metric for sets of trajectories that is practical and mathematically consistent

José Bento, Zhu, Jia Jie|arXiv (Cornell University)|Jan 12, 2016

Data Management and Algorithms参考文献 40被引用数 14

ひとこと要約

本稿では、トラジェクトリ集合のための数学的に整合性があり、計算が効率的で、トラジェクトリのIDの混同に対しても最適な新しい指標を提案する。関連付け問題を凸最適化問題として定式化することにより、すべての距離公理を満たしつつ、多項式時間で計算可能であり、OSPA-ST や CLEAR MOT といった既存の手法よりも理論的整合性と実用的性能の両面で優れている。合成ベンチマーク上での評価でその有効性が確認された。

ABSTRACT

Metrics on the space of sets of trajectories are important for scientists in the field of computer vision, machine learning, robotics, and general artificial intelligence. However, existing notions of closeness between sets of trajectories are either mathematically inconsistent or of limited practical use. In this paper, we outline the limitations in the current mathematically-consistent metrics, which are based on OSPA (Schuhmacher et al. 2008); and the inconsistencies in the heuristic notions of closeness used in practice, whose main ideas are common to the CLEAR MOT measures (Keni and Rainer 2008) widely used in computer vision. In two steps, we then propose a new intuitive metric between sets of trajectories and address these limitations. First, we explain a solution that leads to a metric that is hard to compute. Then we modify this formulation to obtain a metric that is easy to compute while keeping the useful properties of the previous metric. Our notion of closeness is the first demonstrating the following three features: the metric 1) can be quickly computed, 2) incorporates confusion of trajectories' identity in an optimal way, and 3) is a metric in the mathematical sense.

研究の動機と目的

• コンピュータビジョンおよび機械学習分野におけるトラジェクトリ集合を比較するための数学的に整合性があり、実用的な指標の不足に取り組むこと。
• CLEAR MOT や OSPA-ST のような既存の指標が、距離公理を満たさないか、関連付けを制限することで直感的でない結果を生じるという限界を解消すること。
• 時間に依存するトラジェクトリ間の関連付けを許容する指標を開発し、IDの入れ替えに対しても最適な処理を可能にするとともに、計算の実行可能性を維持すること。
• 提案された指標が、非負性、同一視不能性、対称性、三角不等式を含むすべての数学的距離公理を満たすとともに、効率的に計算可能であることを保証すること。

提案手法

• 時間に依存する関連付けにおいて、距離コストとスイッチングコストの両方を同時に最小化する凸最適化問題として、トラジェクトリ類似度問題を定式化する。
• 2段階のアプローチを導入する：まず、全フレームにわたる完全な割り当て問題を用いて理論的に最適だが計算が困難な指標を定義する。次に、これを計算可能で多項式時間で解ける形に緩和する。
• 距離コスト（平均的トラジェクトリのずれ）とスイッチングコスト（ID変更に対するペナルティ）の重み付き組み合わせを目的関数として用いる。
• 離散的割り当て問題を連続的凸計画問題に変換する緩和技術を適用し、標準的な最適化ソルバを用いて効率的に解けるようにする。
• 最終的な指標を、この凸計画問題の最適値として定義し、$\mathcal{D}_{\text{comp}}$ と表記する。これにより数学的整合性と実用的効率性の両立が達成される。

実験結果

リサーチクエスチョン

• RQ1 トラジェクトリ集合のための指標は、数学的に整合的かつ効率的に計算可能でありつつ、IDの混同の最適処理を損なわずに実現できるか？
• RQ2 なぜ広く使われている指標（CLEAR MOT や OSPA-ST）は距離公理を満たさないのか？その失敗が実用上どのような影響を及ぼすのか？
• RQ3 距離コストとスイッチングコストの両方をグローバルに最適化できるように、トラジェクトリ間の時間依存的関連付けをどのようにモデル化できるか？
• RQ4 時間経過に伴いトラジェクトリの再識別を動的に許容しつつ、三角不等式などの距離公理を保ちながら、指標を設計することは可能か？

主な発見

• 提案された指標 $\mathcal{D}_{\text{comp}}$ は、時間依存の関連付けを許容しつつ、すべての数学的距離公理を同時に満たす最初の指標である。
• 2400種の異なる設定を含む合成データ上で、$\mathcal{D}_{\text{comp}}$ は MOTP よりも常に低い AUC（トレードオフ曲線下の面積）を達成しており、ノイズ、断片化、IDスイッチの影響にもかかわらず類似性を的確に検出できる能力が優れていることが示された。
• ノイズ振幅、削除確率、断片化確率、スイッチング距離といったすべてのテストパラメータにおいて、$\mathcal{D}_{\text{comp}}$ の AUC は MOTP より顕著に小さく、真の類似性に対する感受性とロバストネスの高さが裏付けられた。
• ヒューリスティックな指標（例：CLEAR MOT）や数学的に整合的だが制限的な指標（例：OSPA-ST）を凌駆する。これは、グローバルに最適な凸フレームワーク内で距離とスイッチングコストをバランスさせる能力に起因する。
• $\mathcal{D}_{\text{comp}}$ の計算複雑度は多項式時間であり、トラッキング、クラスタリング、リtrieval などの実世界応用においてスケーラブルで実用的である。
• 本手法の一般的な枠組みである凸計画による集合用指標の定式化は、将来的に不確実性のモデリングやより洗練された比較タスクへの応用に拡張可能である。