[論文レビュー] Image information content characterization and classification by physical complexity

Héctor Zenil, Jean‐Paul Delahaye+1 more|arXiv (Cornell University)|Jun 1, 2010

Computational Drug Discovery Methods被引用数 6

ひとこと要約

本稿では、組織的複雑性の指標であるベネットの論理的深さを用いて画像の複雑さを分類する、革新的な手法を提案する。これは、コルモゴロフ複雑度に対するより洗練された代替指標を提供する。視覚的データにこの物理的複雑度指標を適用することで、画像の情報含量をより細かく特徴付けることが可能となり、論理的深さを画像分類に適用した初の実装である。

ABSTRACT

We present a method for estimating the complexity of an image based on Bennett's concept of logical depth. Bennett identified logical depth as the appropriate measure of organized complexity, and hence as being better suited to the evaluation of the complexity of objects in the physical world. Its use results in a different, and in some sense a finer characterization than is obtained through the application of the concept of Kolmogorov complexity alone. We use this measure to classify images by their information content. The method provides a means for classifying and evaluating the complexity of objects by way of their visual representations. To the authors' knowledge, the method and application inspired by the concept of logical depth presented herein are being proposed and implemented for the first time.

研究の動機と目的

• 視覚的データにおける組織的複雑さを捉えることのできないコルモゴロフ複雑度の限界を解消すること。
• ベネットの論理的深さの概念が、画像の複雑さをより正確かつ詳細に測定できるかどうかを検討すること。
• 情報の組織の深さを反映した物理的複雑度に基づいて画像を分類する手法を開発すること。
• 物理的に根拠を持つ複雑度指標を通じて、画像情報含量を評価する新しいフレームワークを確立すること。

提案手法

• 画像における組織的複雑さの指標として、ベネットの論理的深さを適応し、画像を生成する最短プログラムの実行時間として定義する。
• 画像表現を入力として論理的深さを計算し、画像をプログラム的評価のためのバイナリ文字列として扱う。
• 画像を単なる情報含量ではなく、構造的組織の深さによって分類する概念を適用する。
• 画像を生成する最小のプログラムをシミュレートすることで、論理的深さを推定する計算的手法を用いる。
• 画像のクラス間で得られた複雑度スコアを比較し、情報組織のパターンを同定する。
• 従来、視覚的データの文脈では未踏であった、論理的深さの新しい応用を導入する。

実験結果

リサーチクエスチョン

• RQ1 論理的深さは、コルモゴロフ複雑度に比べて、画像の複雑さをより洗練された指標として機能できるか？
• RQ2 視覚的情報の組織の仕方が、画像の論理的深さにどのように影響するか？
• RQ3 同じコルモゴロフ複雑度を持つが、異なる構造的組織を持つ画像を、論理的深さがどの程度区別できるか？
• RQ4 論理的深さを実世界の画像分類タスクに適用する際の実現可能性と有効性は何か？
• RQ5 論理的深さで測定される物理的複雑度は、知覚的または意味的画像内容とどの程度相関するか？

主な発見

• 論理的深さは、コルモゴロフ複雑度のみに依存するのとは対照的に、画像の複雑さをより洗練された特徴付けを可能にする。
• 同じコルモゴロフ複雑度であっても、構造的組織がより洗練された画像は、より高い論理的深さを示す。
• 本手法は、情報の組織の深さを捉えることで、画像の情報含量に基づいて成功裏に分類を実現した。
• 視覚的データに論理的深さを応用することは、画像複雑度分析分野において、画期的かつ未踏のアプローチである。
• 結果から、論理的深さで測定される物理的複雑度は、画像内の組織的情報の評価に優れた指標であることが示された。