[論文レビュー] Hypoelliptic diffusion and human vision

Ugo Boscain, Jean-Paul Gauthier+2 more|arXiv (Cornell University)|Apr 7, 2013

Image and Signal Denoising Methods被引用数 1

ひとこと要約

本稿では、$SE(2,N)$ を用いた半離散的ニューロジオメトリックモデルを提案し、平行化可能なマチュー型拡散に帰着されるインpainting問題を、翻訳と離散的回転を組み合わせることで低減する。この手法により、$SE(2,N)$ 上の調和解析を用いて、効率的かつ有限次元的なインpaintingが可能となり、重度に損傷を受けた入力に対しても頑健な画像再構成が達成される。

ABSTRACT

This paper presents a semi-discrete alternative to the theory of neurogeometry of vision, due to Citti, Petitot and Sarti. We propose a new ingredient, namely working on the group of translations and discrete rotations $SE(2,N)$. The theoretical side of our study relates the stochastic nature of the problem with the Moore group structure of $SE(2,N)$. Harmonic analysis over this group leads to very simple finite dimensional reductions. We then apply these ideas to the inpainting problem which is reduced to the integration of a completely parallelizable finite set of Mathieu-type diffusions (indexed by the dual of $SE(2,N)$ in place of the points of the Fourier plane, which is a drastic reduction). The integration of the the Mathieu equations can be performed by standard numerical methods for elliptic diffusions and leads to a very simple and efficient class of inpainting algorithms. We illustrate the performances of the method on a series of deeply corrupted images.

研究の動機と目的

• Citti, Petitot, Sarti の連続的ニューロジオメトリックスのビジョンの代替として、半離散的モデルを開発すること。
• 離散的回転と平行移動を組み合わせた群 $SE(2,N)$ を用いて、視覚認識をモデル化すること。
• $SE(2,N)$ のムーア群構造を活用することで、画像インpaintingの複雑さを低減すること。
• 有限次元の調和解析を通じて、画像修復のための効率的かつ並列化可能な計算を可能にすること。
• マチュー型拡散の数値積分を通じて、深く損傷を受けた画像に対する本手法の有効性を実証すること。

提案手法

• 研究は、離散的回転と平行移動を組み合わせた群 $SE(2,N)$ 上で視覚処理をモデル化し、一次視覚皮質における神経処理を捉える。
• $SE(2,N)$ のムーア群構造を活用して、視覚における確率過程とこの群上の調和解析を関連付ける。
• $SE(2,N)$ 上の調和解析により、有限次元への簡略化が得られ、視覚処理の表現が単純化される。
• インpainting問題は、$SE(2,N)$ の双対群によってインデックス付けされた有限個のマチュー型拡散の積分に再定式化され、連続的フーリエ平面に代わる。
• 各拡散は、標準的な楕円型拡散の数値手法を独立に用いて解かれるため、完全な並列化が可能である。
• 得られたアルゴリズムは、これらの拡散を介してモデル化された皮質様神経経路に沿って情報を伝搬させることで、欠損した画像領域を再構成する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして $SE(2,N)$ を用いた半離散的設定において、ビジョンのニューロジオメトリックスを再定式化できるか？
• RQ2 $SE(2,N)$ のムーア群構造が、視覚認識における確率過程のモデル化に与える影響は何か？
• RQ3 $SE(2,N)$ 上の調和解析が、画像インpaintingにおける有限次元への簡略化をもたらすか？
• RQ4 インpainting問題は、$SE(2,N)$ の双対群によってインデックス付けされた、どの程度まで並列化可能な拡散に分解できるか？
• RQ5 このアプローチは、深刻な損傷を受けた画像の回復において、どの程度効果的か？

主な発見

• 群 $SE(2,N)$ の使用により、連続的フーリエ平面を離散的双対群に置き換えることで、計算複雑性が著しく低減される。
• 画像インpainting問題は、有限個かつ並列化可能なマチュー型拡散の解法に帰着される。
• 重度に損傷を受けた画像に対しても、高品質な画像再構成が達成され、深刻なデータ損失に対しても頑健であることが示された。
• 解の有限次元性のおかげで、標準的な楕円型拡散の数値積分法を効率的に適用できる。
• 群論的調和解析を通じて、数学的に根拠があり生物学的に妥当な皮質視覚処理モデルが提供される。
• 得られたインpaintingアルゴリズムは単純で効率的であり、完全に並列化可能であり、リアルタイムまたはニアリアルタイムの性能が実現可能である。