[論文レビュー] Mixed States Markov Random Fields with Symbolic Labels and Multidimensional Real Values

Bruno Cernuschi-Frías|ArXiv.org|Jul 26, 2007

Advanced Vision and Imaging参考文献 12被引用数 6

ひとこと要約

本論文は、混合状態マルコフランダムフィールド（MRF）の理論的枠組みを提示する。この枠組みでは、混合確率測度を用いて、記号的ラベルと多次元実数値変数を同時にモデル化する。主な貢献は、グローバルなギブスエネルギーが離散的および連続的成分に分解可能であることを示す定理であり、これにより、条件付き分布の閉形式表現を用いた単純かつ効果的な条件付きモデリングが可能になる。

ABSTRACT

New theoretical results are presented here on the recently introduced model called mixed states MRF. Such models were introduced in the context of image motion analysis and are useful to represent information which can take both discrete values accounting for symbolic states, and real values corresponding to continuous measurements. In particular, results are given when the global energy for the Gibbs formulation expressing the mixed states model, can be decomposed into one term accounting for the discrete part of the model, and a second term related to the continuous part. This decomposition theorem permits to define conditional mixed states models in a very simple way.

研究の動機と目的

• 画像の運動解析を目的として、測度論的枠組みにおける混合状態確率変数を形式化すること。
• 離散的な記号的状態と連続的な実数値測定値を併せ持つ変数を統合的確率モデルでモデル化する課題に対処すること。
• 画像系列解析における効率的な推論と学習を可能にする、混合状態MRFの理論的基盤を構築すること。
• 条件付き分布に基づくモデリングとは異なり、MRFにおけるギブスポテンシャルの使用を可能にする。

提案手法

• 離散状態にディラックのデルタ関数、連続成分にライプニッツ測度を組み合わせたハイブリッド測度を用いて、混合状態確率変数を定式化する。
• 離散的および連続的成分を統合したハイブリッド測度 m に関する、混合状態確率密度関数（ms-pdf）を導出する。
• グローバルなギブスエネルギーを離散的項と連続的項に分解し、記号的および連続的部品を別々にモデル化可能にする。
• マルコフブラケットを前提とした、あるサイトにおける条件付き ms-pdf を導出する。閉形式表現では、記号的ラベルにおけるディラックのデルタ関数と、それ以外の領域における連続的密度の混合形を含む。
• MRFエネルギーを定義するために、ギブス定式化におけるポテンシャルの使用を導入し、柔軟かつモジュラーなモデル設計を可能にする。
• 特異点における正規化を保証するため、特異点付近の処理に測度論的積分を適用する。

実験結果

リサーチクエスチョン

• RQ1 混合状態MRFのグローバルエネルギーは、離散的および連続的成分に分解可能か？
• RQ2 ギブス定式化下で、混合状態変数の条件付き分布を閉形式で表現できるか？
• RQ3 測度論を用いたMRFにおけるハイブリッドな記号的および連続的変数のモデリングの理論的基盤は何か？
• RQ4 条件付き分布に依存せずに、ギブスポテンシャル定式化を用いて混合状態MRFを定義する方法は何か？

主な発見

• 混合状態MRFのグローバルなギブスエネルギーは、離散的項と連続的項に分解可能であり、記号的および連続的成分を独立してモデル化可能である。
• 条件付き ms-pdf の閉形式表現が導出された。これは、記号的ラベルにおけるディラックのデルタ関数と、正規化係数でスケーリングされた連続的密度の混合形である。
• 記号的状態の条件付き確率は、エネルギー差と記号的点における連続的密度に依存するロジスティック型関数で与えられる。
• 測度論的積分を用いたハイブリッド空間上での統合により、導出された条件付き分布が適切に正規化されていることが確認された。
• 提示された理論的枠組みは、従来のモデルを一般化し、MRFにおける混合状態変数にギブスポテンシャルを適用可能にする。これは、条件付き分布に基づくアプローチとは異なり、より柔軟な代替手法を提供する。