[論文レビュー] Distributable Consistent Multi-Graph Matching

Nan Hu, Boris Thibert+1 more|arXiv (Cornell University)|Nov 22, 2016

Graph Theory and Algorithms参考文献 31被引用数 6

ひとこと要約

本稿では、重複する部分グラフ間の整合性を保ちつつエッジ接続性を維持する、分散型で最適化に基づく一貫性のあるマルチグラフマッピングのフレームワークを提案する。グローバル問題を部分問題に分解することにより、大規模データセット上でもスケーラビリティを達成し、合成および実世界のベンチマークで最先端の性能を達成する。

ABSTRACT

In this paper we propose an optimization-based framework to multiple graph matching. The framework takes as input maps computed between pairs of graphs, and outputs maps that 1) are consistent among all pairs of graphs, and 2) preserve edge connectivity between pairs of graphs. The central idea of our approach is to divide the input graph into overlapping sub-graphs and enforce consistency among sub-graphs. This leads to a distributed formulation, which is scalable to large-scale datasets. We also present an equivalence condition between this decoupled scheme and the original scheme. Experiments on both synthetic and real-world datasets show that our framework is competent against state-of-the-art global optimization-based techniques.

研究の動機と目的

• 複数のグラフ間で一貫性があり、グローバルに整合性のあるグラフマッピングを達成する挑戦に取り組む。
• グローバルマッピング問題を重複する部分グラフに分解することで、大規模データセットへのスケーラビリティを実現する。
• 元のグローバル定式化と等価を保つ分散型最適化フレームワークを開発する。
• すべてのグラフ3組の間で一貫性のあるペアワイズマップを確保し、ペアワイズのみのマッピングで一般的に生じる不整合を回避する。

提案手法

• 分散処理を可能にするために、入力グラフを重複する部分グラフに分解する。
• 共有の最適化フレームワークを用いて、すべての部分グラフ間でペアワイズマップの一貫性を強制する。
• マッチングされたノード間のエッジ接続性を保持する制約付き最適化問題として問題を定式化する。
• 分散型部分グラフ定式化が元のグローバル定式化と数学的に等価であることを示す同値条件を導入する。
• 共有制約を通じてグローバルな整合性を維持しながら、部分問題を独立して解くデカップリング方式を用いる。
• 既存のペアワイズグラフマップを入力として活用し、それらを一貫性のあるマルチグラフフレームワークに統合する。

実験結果

リサーチクエスチョン

• RQ1 分散型フレームワークは、大規模データセットにスケーリングする中で、グローバルな整合性を維持できるか？
• RQ2 複数のグラフにまたがるマッチングされたノード間で、一貫した方法でエッジ接続性を保持できるか？
• RQ3 デカップリングされた部分グラフアプローチが、元のグローバル最適化定式化と等価であるための条件は何か？
• RQ4 提案手法は、最先端のグローバル最適化に基づく手法と比較して、性能で優れているか？

主な発見

• 提案フレームワークは、マッチング精度と整合性の両面で、合成および実世界のデータセットにおいて最先端の性能を達成する。
• 部分グラフの分解と並列処理が可能であるため、分散型定式化は大規模データセットに効果的にスケーリングできる。
• 同値条件が確立され、分散型スキームが元のグローバル定式化と同一の解を生成することを数学的に証明した。
• 本手法は、マッチングされたノードペア間でエッジ接続性を効果的に保持し、出力マップにおける構造的整合性を保証する。
• 実験により、フレームワークが既存のグローバル最適化に基づく手法を、整合性と精度の両面で上回るか同等の性能を発揮することが示された。