[論文レビュー] Finding Outliers in Surface Data and Video

Mia Hubert, Jakob Raymaekers+2 more|arXiv (Cornell University)|Jan 29, 2016

Spectroscopy and Chemometric Analyses参考文献 13被引用数 3

ひとこと要約

本論文では、多次元モデリング後の原始的または残差データに対して機能的補正外れ度（fAO）を用いて、表面、画像、動画データにおける外れ値を検出するロバストな手法を提案する。グリッドポイント全体における外れ度を計算し、機能的外れ値マップ（FOM）およびヒートマップを用いて可視化することで、蛍光スペクトル、MRIスキャン、監視動画における逸脱領域を効果的に同定する。特に、シーン内を移動する人物のような一時的対象の明確な検出が可能である。

ABSTRACT

Surface, image and video data can be considered as functional data with a bivariate domain. To detect outlying surfaces or images, a new method is proposed based on the mean and the variability of the degree of outlyingness at each grid point. A rule is constructed to flag the outliers in the resulting functional outlier map. Heatmaps of their outlyingness indicate the regions which are most deviating from the regular surfaces. The method is applied to fluorescence excitation-emission spectra after fitting a PARAFAC model, to MRI image data which are augmented with their gradients, and to video surveillance data.

研究の動機と目的

• 表面、画像、動画のように二変数ドメインを持つ機能的データにおける外れ値を検出する、分布に依存しないロバストな手法の開発。
• PARAFACモデルからの残差に機能的補正外れ度（fAO）を適用することで、微細な逸脱に対する感度を向上させ、外れ値検出を改善すること。
• 解釈可能な外れ値の局所化を可能にするために、二変数ドメインを持つ多次元機能的データに対する機能的外れ値マップ（FOM）および外れ度ヒートマップの可視化を拡張すること。
• 励起-放出蛍光マトリクス、勾配を伴うMRI画像、監視動画シーケンスを含む実世界のデータセットを用いて、手法の有効性を実証すること。

提案手法

• 本手法は、表面または画像の全グリッドポイントにおける単変量補正外れ度（AO）値の重み付き和として定義される機能的補正外れ度（fAO）を用いる。通常、均等な重みが使用される。
• 各グリッドポイントにおけるAOは、中央値からの逸脱をロバストに測定するもので、中央値の両側でスケールを別々に推定することにより、歪度を補正する。
• 多次元データの場合、データにPARAFACモデルをフィットさせ、fAOを残差に対して計算することで、構造的外れ値の検出を向上させる。
• 画像の勾配を組み込むことで、医療画像や監視画像において外れ値の原因になりがちなエッジや境界の検出を強化する。
• fAO値に基づいて、通常の表面と外れ値を区別するためのカットオフルールを導入し、外れ値の客観的フラグを可能にする。
• 可視化は、表面全体における外れ度の程度と空間的分布を示す機能的外れ値マップ（FOM）およびAOヒートマップにより実現する。

実験結果

リサーチクエスチョン

• RQ1 表面や動画のように二変数ドメインを持つ多次元機能的データへ、機能的補正外れ度（fAO）をどのように効果的に拡張できるか。
• RQ2 PARAFACモデルでデータをモデリングし、その残差を分析することで、原始データを直接分析する場合と比較して、外れ値検出の性能がどの程度向上するか。
• RQ3 機能的外れ値マップ（FOM）およびAOヒートマップは、MRIスキャンや監視動画のような複雑な実世界データにおいて、逸脱領域を効果的に特定・局所化できるか。
• RQ4 画像勾配とロバストなスケール推定の導入が、画像データにおける構造的外れ値の検出をどの程度向上させるか。

主な発見

• 励起-放出蛍光データセットでは、PARAFACモデリング後に、単一の外れスペクトルが明確に同定された。これは、高いfAOおよびvAO値により外れ値として確認された。
• MRIデータでは、AOヒートマップにより、最も外れ値の高い画像（被験者92番）が脳の境界付近に明確な高外れ度領域を示しており、構造的異常に対応していた。
• 動画において、人物がフレーム内に入り込み、退出する様子は、fAOおよびvAO値の変化を追跡することで検出された。特に、フレーム484～487では、外れ値ピクセルの割合が高いため、外れ度が最大を記録した。
• AOヒートマップにより、各フレームにおける人物の位置が明確に局所化されており、最も濃い色は、人物の体が背景と重なったピクセルに対応しており、空間的正確性が裏付けられた。
• FOMにより、時間経過に伴う人物の移動経路が効果的に可視化された。彼の出現の直前および直後に孤立した外れ値（フレーム483～484）が現れ、彼の存在が継続的に検出された（フレーム488～500）。