[論文レビュー] Competitive Analysis of Minimum-Cut Maximum Flow Algorithms in Vision Problems

Barak Fishbain, Dorit S. Hochbaum+1 more|arXiv (Cornell University)|Jul 26, 2010

Complexity and Algorithms in Graphs参考文献 37被引用数 12

ひとこと要約

本論文は、視覚問題のインスタンス上で4つのmin-cut/max-flowアルゴリズム—プッシュ・リラベル、擬似フロー、増幅パス（BK）、部分的増幅・リラベル—の包括的な実験的比較を提示する。その結果、ボイコフ＝コルモゴロフ（BK）アルゴリズムは小規模または短経路問題で優れた性能を示すが、一般の大規模インスタンスではオークハウムの擬似フロー（HPF）が他のアルゴリズムを上回り、速度面で優位であり、最大25％のメモリ使用量の削減を実現する。

ABSTRACT

Rapid advances in image acquisition and storage technology underline the need for algorithms that are capable of solving large scale image processing and computer-vision problems. The minimum cut problem plays an important role in processing many of these imaging problems such as, image and video segmentation, stereo vision, multi-view reconstruction and surface fitting. While several min-cut/max-flow algorithms can be found in the literature, their performance in practice has been studied primarily outside the scope of computer vision. We present here the results of a comprehensive computational study, in terms of execution times and memory utilization, of four recently published algorithms, which optimally solve the {\em s-t} cut and maximum flow problems: (i) Goldberg's and Tarjan's {\em Push-Relabel}; (ii) Hochbaum's {\em pseudoflow}; (iii) Boykov's and Kolmogorov's {\em augmenting paths}; and (iv) Goldberg's {\em partial augment-relabel}. Our results demonstrate that the {\em Hochbaum's pseudoflow} algorithm, is faster and utilizes less memory than the other algorithms on all problem instances investigated.

研究の動機と目的

• コンピュータビジョン問題の文脈において、4つの代表的なmin-cut/max-flowアルゴリズムの実用的性能を評価すること。
• 最適なmin-cut解を必要とする大規模なビジョンアプリケーションにおいて、最も効率的なアルゴリズムを特定すること。
• 初期化、min-cut計算、フロー回復の各フェーズを含む、実行時間とメモリ使用量の分解を分析すること。
• 初期化時間の含む性能比較と、最新の公開利用可能なソフトウェア実装を用いることで、過去の性能主張を是正すること。
• 問題のサイズと構造に応じたアルゴリズム選択のデータドリブンな推奨を提示すること。

提案手法

• プッシュ・リラベル（PRF）、擬似フロー（HPF）、増幅パス（BK）、部分的増幅・リラベル（PAR）の4つの最先端min-cut/max-flowアルゴリズムをベンチマーク化した。
• 画像セグメンテーション、ステレオビジョン、マルチビュー再構築を含む、標準的および非標準的なビジョン問題の多様なデータセットを用いた。
• 初期化、min-cut計算、フロー回復の各フェーズにおける実行時間とメモリ使用量を測定した。
• 4KBページ単位の粒度で、/proc/[process]/statm ファイルからメモリ使用量を収集し、システムレベルでの正確な測定を確保した。
• 51個の問題インスタンスに対して統計解析を実施し、入力サイズ（n + m）の変化に伴う実行時間とメモリ消費量の比較を行った。
• アルゴリズム設計および実装論理による性能差を特定するため、詳細な実行時間分解を提供した。

実験結果

リサーチクエスチョン

• RQ1 実世界のビジョン問題において、4つの代表的なmin-cut/max-flowアルゴリズムは、実行時間とメモリ使用量の点でどのように比較されるか？
• RQ2 初期化フェーズは総合的な実行時間に顕著な影響を及ぼすか？性能比較において初期化時間を含めるべきか？
• RQ3 ボイコフ＝コルモゴロフ（BK）アルゴリズムは、すべての問題サイズと構造において一貫して他のアルゴリズムより高速であるか？
• RQ4 オークハウムの擬似フロー（HPF）アルゴリズムは、メモリ効率性とスケーラビリティの点で他のアルゴリズムと比べてどうか？
• RQ5 小規模 vs. 大規模、短経路 vs. 長経路の各ビジョン問題において、それぞれのアルゴリズムはどのタイプに最も適しているか？

主な発見

• ボイコフ＝コルモゴロフ（BK）アルゴリズムは、小規模インスタンス（1,000,000個のグラフ要素未満）において、平均48秒対54秒の速度でPseudoflow（HPF）を上回る。
• より大きなインスタンス（51個中37個）では、HPFがBKを上回り、平均72秒対100秒の実行時間となり、BKの実行時間は39％遅延する。
• HPFは、特に多くのアークを含む問題において、BKやPRFと比較して最大25％のメモリ使用量を削減し、大規模問題におけるメモリスワッピングのリスクを低減する。
• 初期化フェーズは、特にPRFのアークソーティングに起因して総合的実行時間に顕著な影響を及ぼすため、性能評価において初期化時間を含めるべきである。
• HPFは、すべてのテストインスタンスで時間的・メモリ的効率性に優れるため、一般の大規模ビジョン問題に最も適している。
• 本研究は、BKやPRFが普遍的に最速であるという従来の仮定を是正し、HPFが大多数の大規模ビジョンアプリケーションにおいて最適であることを示した。