[論文レビュー] Near-Optimal Joint Object Matching via Convex Relaxation

Yuxin Chen, Leonidas Guibas+1 more|arXiv (Cornell University)|Feb 6, 2014

Graph Theory and Algorithms参考文献 46被引用数 92

ひとこと要約

本稿では、密度的な汚染と部分的な類似性の下で近似的最適な共同オブジェクトマッピングを実現する凸緩和ベースの手法であるMatchLiftを提案する。一貫性のある部分的マッピングを0-1半正定値行列として定式化し、パラメータフリーの凸計画問題を解くことで、入力マッピングの最大 $1 - \Theta(\log^2 n / \sqrt{n})$ が汚染されていても、理論的に回復可能である。入力マッピンググラフが連結であれば、完全な回復が保証される。

ABSTRACT

Joint matching over a collection of objects aims at aggregating information from a large collection of similar instances (e.g. images, graphs, shapes) to improve maps between pairs of them. Given multiple matches computed between a few object pairs in isolation, the goal is to recover an entire collection of maps that are (1) globally consistent, and (2) close to the provided maps --- and under certain conditions provably the ground-truth maps. Despite recent advances on this problem, the best-known recovery guarantees are limited to a small constant barrier --- none of the existing methods find theoretical support when more than $50\%$ of input correspondences are corrupted. Moreover, prior approaches focus mostly on fully similar objects, while it is practically more demanding to match instances that are only partially similar to each other. In this paper, we develop an algorithm to jointly match multiple objects that exhibit only partial similarities, given a few pairwise matches that are densely corrupted. Specifically, we propose to recover the ground-truth maps via a parameter-free convex program called MatchLift, following a spectral method that pre-estimates the total number of distinct elements to be matched. Encouragingly, MatchLift exhibits near-optimal error-correction ability, i.e. in the asymptotic regime it is guaranteed to work even when a dominant fraction $1-Θ\left(\frac{\log^{2}n}{\sqrt{n}} ight)$ of the input maps behave like random outliers. Furthermore, MatchLift succeeds with minimal input complexity, namely, perfect matching can be achieved as soon as the provided maps form a connected map graph. We evaluate the proposed algorithm on various benchmark data sets including synthetic examples and real-world examples, all of which confirm the practical applicability of MatchLift.

研究の動機と目的

• 入力ペアワイズマッピングの50％以上が汚染されている状況において、共同オブジェクトマッピングに理論的保証が欠如している問題に対処する。
• 完全な同型性を要件としない部分的に類似したオブジェクトの一貫性のあるマッピングを可能にする。
• 入力マッピンググラフが連結である場合に限り、最小限の入力複雑性で完全な回復を達成する。
• 計算的に実行可能で、複数のオブジェクトにわたるグローバルな一貫性を保ちながら、密度的な誤りを是正する手法を提供する。
• 不完全な入力マッピングを処理し、小さなノイズの多いペアワイズマッピングのサブセットから、観測されていない対応関係を回復する。

提案手法

• 複数のオブジェクトにわたる一貫性のある部分的マッピングを表す0-1半正定値行列として、共同マッピング問題を定式化する。
• 組合せ問題を扱いやすい半正定値計画問題に緩和するパラメータフリーの凸計画問題であるMatchLiftを提案する。
• 固有値解析法を用いて、マッチング対象となる異なる要素の数を事前に推定し、初期化と安定性を向上させる。
• 交替方向乗数法（ADMM）を用いて凸計画問題を効率的に解き、グリーディラウンディング戦略を組み合わせる。
• 凸緩和フレームワークに制約を埋め込むことで、サイクル一貫性とグローバルな適合性を強制する。
• 行列補完とロバストPCAの原則を活用し、密度的な外れ値と不完全な観測に対処する。

実験結果

リサーチクエスチョン

• RQ1 入力ペアワイズマッピングの半数以上が汚染されている状況でも、共同オブジェクトマッピングを信頼性を持って回復できるか。
• RQ2 完全な同型性ではなく、オブジェクト間の部分的な類似性がある状況でも、真のマッピングの理論的回復が可能か。
• RQ3 共同マッピングにおける完全な回復に必要な最小限の入力複雑性は何か。また、スパarsなノイズの多い入力マッピングで達成可能か。
• RQ4 凸緩和アプローチが、密度的で悪意ある外れ値が存在する状況において、近的最適な誤り是正能力を達成できるか。
• RQ5 入力マッピンググラフの構造（例：連結性）は、共同マッピングアルゴリズムの理論的および実用的性能にどのように影響するか。

主な発見

• MatchLiftは近的最適な誤り是正能力を達成し、入力マッピングの大部分 $1 - \Theta(\log^2 n / \sqrt{n})$ が汚染されていても回復を保証する。
• 入力マッピンググラフが連結であれば、完全なマッピングが理論的に達成可能であり、入力の複雑性を最小限に抑える。
• 理論的解析により、回復されたマッピングの誤差が $\tilde{c}_{10} \sqrt{\frac{p_{\text{obs}} \log(mn)}{n p_{\text{set}}^3}}$ で有界であることが示され、明確な定数が得られている。
• 数値実験により、合成データおよび実世界のベンチマークにおいて、MatchLiftが既存手法を上回ることが確認された。特に、重度に汚染され、不完全な入力に対しても有効である。
• 本手法は密度的な外れ値に対して強く、入力マッピングがほとんどランダムであっても高い精度を維持するため、実用的応用が可能である。
• グリーディラウンディングを組み合わせたADMMベースのソルバは、高品質な解を効率的に計算でき、実世界の環境でもスケーラブルかつ実装可能である。