[論文レビュー] Exact and Stable Recovery of Rotations for Robust Synchronization

Lanhui Wang, Amit Singer|arXiv (Cornell University)|Nov 11, 2012

Sparse and Compressive Sensing Techniques参考文献 33被引用数 7

ひとこと要約

本稿では、凸半定値緩和と交替方向乗数法（ADMM）を用いた最小未平方偏差（LUD）を用いたロバストな回転同期手法を提案する。ノイズが強く、スパースな測定グラフにおいても回転の正確かつ安定した回復を証明し、ノイズの割合に応じた回復精度のフェーズ転移を示し、従来の最小二乗法を上回ることを示している。

ABSTRACT

The synchronization problem over the special orthogonal group $SO(d)$ consists of estimating a set of unknown rotations $R_1,R_2,...,R_n$ from noisy measurements of a subset of their pairwise ratios $R_{i}^{-1}R_{j}$. The problem has found applications in computer vision, computer graphics, and sensor network localization, among others. Its least squares solution can be approximated by either spectral relaxation or semidefinite programming followed by a rounding procedure, analogous to the approximation algorithms of extsc{Max-Cut}. The contribution of this paper is three-fold: First, we introduce a robust penalty function involving the sum of unsquared deviations and derive a relaxation that leads to a convex optimization problem; Second, we apply the alternating direction method to minimize the penalty function; Finally, under a specific model of the measurement noise and for both complete and random measurement graphs, we prove that the rotations are exactly and stably recovered, exhibiting a phase transition behavior in terms of the proportion of noisy measurements. Numerical simulations confirm the phase transition behavior for our method as well as its improved accuracy compared to existing methods.

研究の動機と目的

• 2次比測定における外れ値やノイズに対して感受性が強い従来の最小二乗法の限界を是正すること。
• 二乗残差の最小化ではなく未平方残差の最小化により、安定性と精度を向上させるよりロバストな最適化フレームワークの構築。
• ノイズがあり、不完全な測定から回転が正確かつ安定して回復可能な理論的条件の確立。
• スケーラブルで安定した回復が可能な、半定値緩和とADMMを組み合わせた効率的なアルゴリズムの設計。
• 数値シミュレーションを通じて、本手法の優位性を検証し、精度の向上とフェーズ転移の挙動を示すこと。

提案手法

• 外れ値への感受性を低減するため、未平方偏差（LUD）に基づくロバストなペナルティ関数を導入。
• 非凸なLUD最小化問題を半定値プログラミング（SDP）を用いて凸緩和。
• 緩和された凸最適化問題を効率的に解くために、交替方向乗数法（ADMM）を適用。
• 回転偏差行列を対角成分と非対角成分に分解し、安定性および回復条件の分析に用いる。
• 確率的集中評価とスペクトル解析を用いて誤差項をバインドし、回復保証を導出。
• 双対変数と残差の大きさに対するしきい値処理機構を用いた双対性による回復条件の確立。

実験結果

リサーチクエスチョン

• RQ1 回転同期のための最小未平方偏差（LUD）問題の凸緩和は、ノイズのある測定において正確な回復を達成できるか？
• RQ2 提案手法は、ノイズ測定の割合に応じた回復精度のフェーズ転移を示すか？
• RQ3 LUDベースの手法は、従来の最小二乗法やスペクトル緩和法と比較して、ロバスト性と精度の面で優れているか？
• RQ4 測定グラフの小さな摂動に対して、解はどの条件下で安定するか？
• RQ5 ADMMに基づくアルゴリズムは、スケーラブルな規模のLUD緩和問題を理論的収束保証とともに効率的に解けるか？

主な発見

• 測定グラフが完全で、ノイズレベルが臨界閾値未満の場合、提案手法は回転の正確な回復を達成し、回復精度に鋭いフェーズ転移を示す。
• ランダムな測定グラフにおいて、エッジ密度が臨界閾値を超えると、ノード数が増加するにつれて回復確率が1に近づくため、理論的に正確かつ安定した回復が保証される。
• 数値シミュレーションにおいて、高ノイズや外れ値が存在する状況でも、従来の最小二乗法やスペクトル緩和法よりも優れた精度を示す。
• 理論的解析により、回復誤差が $\mathcal{O}_P(\sqrt{n}\epsilon)$ のオーダーでスケーリングすることが判明し、有界ノイズ下での安定回復を示している。
• ADMMアルゴリズムは効率的に解に収束し、大規模インスタンスにおいて、標準的なSDPソルバーを上回る実効的収束速度を示す。
• 本手法はスパースでノイズのある測定に対してもロバストであり、回復成功は絶対的ノイズの大きさではなくインライヤー測定の割合に依存する。