[論文レビュー] Message Passing Least Squares Framework and its Application to Rotation Synchronization

Yunpeng Shi, Gilad Lerman|arXiv (Cornell University)|Jul 27, 2020

Nonlinear Dynamics and Pattern Formation参考文献 36被引用数 12

ひとこと要約

本稿では、高レベルのノイズおよび汚染下でもロバストな回転同期を実現するためのメッセージパッシング最小二乗法（MPLS）フレームワークを提案する。この手法は、汚染レベルの推定にメッセージパッシングを組み合わせ、反復的重み付き最小二乗法を用いて回転推定を精緻化する。MPLSは、合成データおよび実世界のデータセットの両方で最先端の精度を達成しており、ノイズが存在しない状況では48%の汚染率において正確な回復を達成する。

ABSTRACT

We propose an efficient algorithm for solving group synchronization under high levels of corruption and noise, while we focus on rotation synchronization. We first describe our recent theoretically guaranteed message passing algorithm that estimates the corruption levels of the measured group ratios. We then propose a novel reweighted least squares method to estimate the group elements, where the weights are initialized and iteratively updated using the estimated corruption levels. We demonstrate the superior performance of our algorithm over state-of-the-art methods for rotation synchronization using both synthetic and real data.

研究の動機と目的

• 高レベルの汚染およびノイズに耐性を持つ一般化された群同期フレームワークの開発を目的とし、3次元コンピュータビジョンにおける回転同期に焦点を当てる。
• 従来の最小二乗法およびIRLS手法が悪意のある汚染および高ノイズに対処する際の限界を克服することを目的とする。
• 汚染推定のためのメッセージパッシングと、精度向上のための重み付き最小二乗法を統合することを目的とする。
• SO(3)同期のための理論的裏付けが与えられつつも、計算効率の高いソリューションを提供することを目的とする。
• 合成モデルおよび実世界のPhoto Tourismデータセットの両方で性能を検証することを目的とする。

提案手法

• 測定グラフ内の各群比（相対回転）の汚染レベルを推定するためのメッセージパッシングアルゴリズムを提案する。
• 推定された汚染レベルを用いて、反復的重み付き最小二乗法（IRLS）フレームワークにおける重みを初期化する。
• 汚染レベルがより高いエッジほど、最小二乗最適化において低い重みが割り当てられる再重み付けスキームを適用する。
• 最適化中に回転行列がSO(3)に留まるように、射影ステップを採用する。
• メッセージパッシングと再重み付けステップを交互に適用することで、推定値を反復的に精緻化する。
• SO(3)における効率的な計算を実現するため、接空間表現を用い、リー代数構造を活用する。

実験結果

リサーチクエスチョン

• RQ1 高ノイズおよび汚染下において、メッセージパッシングアプローチは相対回転測定の汚染レベルを正確に推定できるか？
• RQ2 メッセージパッシングと反復的重み付き最小二乗法を組み合わせることで、標準的なIRLS法と比較して回転同期のロバスト性が向上するか？
• RQ3 提案されたフレームワークは、汚染レベルが情報理論的限界に近づく場合に正確な回復を達成できるか？
• RQ4 Photo Tourismのような実世界のノイジーで部分的に汚染されたデータセットにおいて、本手法はどのように性能を発揮するか？
• RQ5 既存の最先端手法と比較して、精度と計算効率のトレードオフはどのように変化するか？

主な発見

• MPLSは14のPhoto Tourismデータセットのうち9つで平均誤差および中央誤差が最低となり、IRLS-GMおよびIRLS-ℓ₁/₂を上回る性能を示した。
• スパarsな構造と自己整合的汚染が豊富に含まれるGendarmenmarktデータセットにおいても、MPLSは挑戦の多い状況下でも競争力のある性能を発揮した。
• σ=0の自己整合的汚染モデルにおいて、MPLSはq=0.48の汚染率で真値の回転を正確に回復した。これは情報理論的限界q=0.5に近づいた結果である。
• σ=0, 0.1, 0.5, 1の全テストノイズレベルにおいて、MPLSは優れた精度を維持しており、特に汚染閾値付近で顕著な優位性を示した。
• CEMP+MSTは最大のデータセット（Piccadilly）においてMPLSの3倍速く、最も高速な手法であったが、MPLSは著しく高い精度を達成した。
• 本フレームワークは、一様汚染および自己整合的汚染モデルの両方に対してロバストであり、ベースラインのIRLS手法と比較して一貫した性能向上を示した。