[論文レビュー] Higher-order Segmentation via Multicuts

Joerg H. Kappes, M. Speth+2 more|arXiv (Cornell University)|May 28, 2013

Medical Image Segmentation Techniques参考文献 52被引用数 8

ひとこと要約

本稿では、補助変数と効率的な分離手順を用いて、対称的でラベル不変な高次エネルギー項（Potts型モデルや包含優先項など）を扱えるように、カット平面法を拡張することで、より高次の画像セグメンテーションのためのグローバル最適なマルチカットフレームワークを提案する。この手法は、最適性を損なわず、少なくとも2倍の高速化を達成し、複雑なセグメンテーションモデルの正確な最適化を可能にする。

ABSTRACT

Multicuts enable to conveniently represent discrete graphical models for unsupervised and supervised image segmentation, in the case of local energy functions that exhibit symmetries. The basic Potts model and natural extensions thereof to higher-order models provide a prominent class of such objectives, that cover a broad range of segmentation problems relevant to image analysis and computer vision. We exhibit a way to systematically take into account such higher-order terms for computational inference. Furthermore, we present results of a comprehensive and competitive numerical evaluation of a variety of dedicated cutting-plane algorithms. Our approach enables the globally optimal evaluation of a significant subset of these models, without compromising runtime. Polynomially solvable relaxations are studied as well, along with advanced rounding schemes for post-processing.

研究の動機と目的

• 対称的でラベル不変なエネルギー関数を有する高次セグメンテーションモデルに対するグローバル最適推論を可能にすること。標準的なPottsモデルを超える拡張を目的とする。
• 2次元を超える高次項（ペairwiseを超えるもの）をマルチカット定式化に組み込む際の計算的課題に、最適性や効率性を損なわずに対処すること。
• コンピュータビジョン応用におけるカット平面分離戦略を体系的に評価・比較し、実行時間と解の品質の両面で最も効果的な手法を同定すること。
• メモリ効率的で正確なアルゴリズムを、教師ありセグメンテーション（マルチウェイカット）の文脈で開発し、標準的なILP定式化よりも速度とスケーラビリティの面で優れるようにすること。
• 非教師ありセグメンテーションにおいて、多項式リラクゼーションと高度なラウンディングスキームを活用し、正確な最適化が不可能な状況でも解の品質を向上させること。

提案手法

• グラフ上のマルチカット問題としてセグメンテーションを定式化し、エッジが潜在的なカットを表す。有効なマルチカットの多面体表現を用いて、分割制約を強制する。
• 高次項（例：4ノードサイクル）をマルチカットフレームワークに埋め込むために、補助変数と追加制約を導入し、有効なマルチカットの構造を保持する。
• 独自の分離手順（奇数ホイール不等式や新規拡張）を用いたカット平面法を採用し、LPリラクゼーションをタイトにし、収束を加速する。
• リラクゼーション問題を正確に解くために、カット平面フレームワーク内に整数線形プログラミング（ILP）サブルーチンを適用し、グローバル最適解を実現する。
• 非教師ありセグメンテーションの後処理として、高度なラウンディングスキームを適用し、特に多項式的に解けるリラクゼーションに対して解の品質を向上させる。
• 2次元および高次元モデルを一様に扱える統合された計算パイプラインを採用し、同じカット平面フレームワークを用いることで、一貫性と効率性を確保する。

実験結果

リサーチクエスチョン

• RQ1 Potts型モデルに類似した4ノード相互作用を持つような、高次でラベル不変なエネルギー関数を、マルチカットベースのセグメンテーションフレームワークにどのように効率的に組み込むことができるか？
• RQ2 コンピュータビジョン応用において、リラクゼーションのタイトさと実行時間性能の両面で最良のトレードオフを達成するカット平面分離戦略（例：奇数ホイール不等式、ILPベース分離）は何か？
• RQ3 マルチカット定式化は、ノードラベルリングドメインにおける標準的なILP定式化と比較して、教師ありセグメンテーション（マルチウェイカット）においてもグローバル最適解を達成できるか？
• RQ4 正確な最適化が不可能な状況下で、多項式リラクゼーションと高度なラウンディングスキームは、非教師ありセグメンテーションの解の品質をどの程度向上させ得るか？
• RQ5 提案フレームワークは、グローバルルールを固定せず、局所的で適応的な方法でトポロジカルプライオリティ（例：包含制約）を処理できるか、その範囲はどの程度か？

主な発見

• カット平面法を用いた提案マルチカットフレームワークは、包含優先項や4ノードサイクル正則化を含む、広範な高次セグメンテーションモデルに対してグローバル最適解を達成し、先行手法と比較して少なくとも2倍の高速化を実現した。
• 他の分野では有効とされる奇数ホイール不等式は、コンピュータビジョン応用では期待通りにリラクゼーションをタイトにしなかった。
• ILPベース分離手順は、全体の実行時間と解の品質の両面で優れていたが、高い効率性を達成するためには、これらの手順に対する新規拡張が不可欠であった。
• 補助変数を用いたマルチカットアプローチにより、実行時間に影響を与えることなく高次モデルの正確な最適化が可能であり、このようなモデルが効率的かつグローバルに最適化可能であることを示した。
• 包含優先項を含む教師ありセグメンテーションにおいて、MC-ICC (opt)バージョンは10件中10件のテストケースで最適解を達成し、ピクセル精度0.9496を達成。近似手法（MPLP や LBP-LF2）を上回った。
• LPリラクゼーションは整数性が低いためILPより遅いが、CPLEXのブランチ＆プローブによる性能向上のおかげで、指数的最悪計算量を有するILPがLPよりも高速に動作した。