[論文レビュー] Approximate Nearest Neighbor for Polygonal Curves Under Fréchet Distance

Siu-Wing Cheng, Haoqiang Huang|arXiv (Cornell University)|Jan 1, 2023

Advanced Numerical Analysis Techniques被引用数 1

ひとこと要約

本稿では、次元や曲線の複雑さに伴う空間計算量の指数的増加を伴わずに、Fréchet距離における多角形曲線の近似最近傍（ANN）データ構造を提示する。新しい階層的グリッドと区間木インデックス方式を導入し、近似セグメント照合を可能にすることで、(1+ε)-ANN と (3+ε)-ANN の両方を実現。それぞれの照合時間は、d次元空間において Õ(k(mn)^{0.5+ε}/ε^O(d) + k(d/ε)^O(dk)) および Õ(k(mn)^{0.5+ε}/ε^O(d)) となる。

ABSTRACT

We propose $κ$-approximate nearest neighbor (ANN) data structures for $n$ polygonal curves under the Fréchet distance in $\mathbb{R}^d$, where $κ\in \{1+\varepsilon,3+\varepsilon\}$ and $d \geq 2$. We assume that every input curve has at most $m$ vertices, every query curve has at most $k$ vertices, $k \ll m$, and $k$ is given for preprocessing. The query times are $ ilde{O}(k(mn)^{0.5+\varepsilon}/\varepsilon^d+ k(d/\varepsilon)^{O(dk)})$ for $(1+\varepsilon)$-ANN and $ ilde{O}(k(mn)^{0.5+\varepsilon}/\varepsilon^d)$ for $(3+\varepsilon)$-ANN. The space and expected preprocessing time are $ ilde{O}(k(mnd^d/\varepsilon^d)^{O(k+1/\varepsilon^2)})$ in both cases. In two and three dimensions, we improve the query times to $O(1/\varepsilon)^{O(k)} \cdot ilde{O}(k)$ for $(1+\varepsilon)$-ANN and $ ilde{O}(k)$ for $(3+\varepsilon)$-ANN. The space and expected preprocessing time improve to $O(mn/\varepsilon)^{O(k)} \cdot ilde{O}(k)$ in both cases. For ease of presentation, we treat factors in our bounds that depend purely on $d$ as~$O(1)$. The hidden polylog factors in the big-$ ilde{O}$ notation have powers dependent on $d$.

研究の動機と目的

• 多角形曲線の Fréchet 距離下での近似最近傍（ANN）問題に対する効率的なデータ構造の設計を目的とする。
• 次元 d や曲線の複雑さ m や n に伴う空間計算量の指数的増加を伴わずに、部分線形照合時間を達成することを目的とする。
• 照合曲線の頂点数 k が入力曲線の m より著しく少ない（k ≪ m）という非対称な状況をサポートすることを目的とする。
• 両方の (1+ε)-ANN および (3+ε)-ANN に対して、照合時間と事前処理時間の上限を改善した理論的保証を提供することを目的とする。

提案手法

• 空間を解像度の異なるセルに段階的グリッド分割することで、多角形曲線をインデックス化する。
• 標準的セグメント上の区間木と辞書を用いて、曲線セグメントの高速な (11εδ)-セグメント照合を実現する。
• 幾何的近似とグリッドベースの近接性テストを用いて、(κ, δ)-ANN から (11εδ)-セグメント照合への還元を実施する。
• Danp、Danl、Tℓ、Tξ を組み合わせた新しいデータ構造を導入し、セグメント照合を Õ((mn)^{0.5+ε}/ε^d) 時間で実行する。
• 確率的および決定的技法を用いて、失敗確率を管理し、近似の下で正しさを保証する。
• 照合セグメントが関連グリッドセルの前、内、または後に位置する場合を処理する再帰的照合戦略を採用する。

実験結果

リサーチクエスチョン

• RQ1 次元や曲線の複雑さに伴う空間計算量の指数的増加を伴わずに、Fréchet距離における多角形曲線の (1+ε)-ANN に対して部分線形照合時間を達成できるか？
• RQ2 (3+ε)-ANN を部分線形照合時間でサポートするための最小限の空間計算量と事前処理時間は何か？
• RQ3 (11εδ)-セグメント照合を効率的に回答する方法は何か？ これにより (κ, δ)-ANN 問題への還元が可能になる。
• RQ4 照合時間における d および k に対する指数的依存性を維持したまま、近似保証を保ちながら低減可能か？
• RQ5 非対称な Fréchet ANN において、空間計算量、事前処理時間、照合時間の最適なトレードオフは何か？

主な発見

• (1+ε)-ANN の照合時間は Õ(k(mn)^{0.5+ε}/ε^O(d) + k(d/ε)^O(dk)) であり、空間計算量と事前処理時間も Õ(k(mndd/ε^d)^O(k+1/ε^2)) となる。
• (3+ε)-ANN の照合時間は Õ(k(mn)^{0.5+ε}/ε^O(d)) であり、空間計算量と事前処理時間は上記と同一。
• 2次元および3次元では、(1+ε)-ANN の照合時間は Õ(k/ε^O(k)) に改善され、(3+ε)-ANN では Õ(k) に改善される。
• 2次元および3次元では、空間計算量と事前処理時間は O(mn/ε)^O(k) · Õ(k) に低下し、d に指数的依存性がなくなる。
• 確率的 (κ, δ)-ANN 解法を用いる場合、O(f log n) の失敗確率で正しさを達成する。
• k ≪ m という非対称な状況をサポートしており、ユーザーのスケッチベース照合に適している。