[論文レビュー] Point-wise Map Recovery and Refinement from Functional Correspondence

Emanuele Rodolà, Michael Moeller+1 more|arXiv (Cornell University)|Jun 18, 2015

Robotics and Sensor-Based Localization参考文献 23被引用数 54

ひとこと要約

本稿では、ほぼ等長変形を仮定しない低ランク関数的マップから正確な点対応を回復する確率的手法を提案する。回復を変分最適化問題として定式化し、反復的EMを用いてマップを精緻化することで、最近傍探索ベースの手法に比べて最大20%高い精度を達成し、特に非等長変形下でも優れた性能を示す。ランク100で正確な一致の75%を回復する。

ABSTRACT

Since their introduction in the shape analysis community, functional maps have met with considerable success due to their ability to compactly represent dense correspondences between deformable shapes, with applications ranging from shape matching and image segmentation, to exploration of large shape collections. Despite the numerous advantages of such representation, however, the problem of converting a given functional map back to a point-to-point map has received a surprisingly limited interest. In this paper we analyze the general problem of point-wise map recovery from arbitrary functional maps. In doing so, we rule out many of the assumptions required by the currently established approach -- most notably, the limiting requirement of the input shapes being nearly-isometric. We devise an efficient recovery process based on a simple probabilistic model. Experiments confirm that this approach achieves remarkable accuracy improvements in very challenging cases.

研究の動機と目的

• 形状一致やセグメンテーションの実用的応用に不可欠な、関数的マップから点対応を回復する長年無視されてきた逆問題に対処すること。
• ほぼ等長変形に依存する既存手法の限界を克服し、最近傍探索マッピングにおける非対称性を解消すること。
• 非等長変形や異種形状を含む多様な変形タイプに適応可能な、汎用的で効率的かつ頑健なマップ回復・精緻化フレームワークを構築すること。
• 関数的マップが低ランクまたはノイズを含んでも、原理的確率モデルを導入することで、正確な点対応回復を可能にすること。

提案手法

• 予測された対応分布と真値対応分布のKullback-Leibler発散に基づく確率的モデルを用いて、点対応マップ回復を変分最適化問題として定式化する。
• 非対称KL発散を最小化することで、片方の形状に偏るバイアスを低減する対称的精緻化戦略を導入し、一般変形下での頑健性を向上させる。
• 期待値最大化（EM）アルゴリズムを反復的に適用して対応マップを最適化する。Eステップでは後方確率を計算し、Mステップではマップパラメータを更新する。
• ラプラシアン固有関数から得られる真値置換行列Pと正規直交固有基底Φ, Ψを用いて、関数的マップを行列C = Ψᵀ P Φとして構築する。これにより、正確な低ランク表現が可能になる。
• 必要に応じてICPによる直交精緻化を適用するが、非等長形状では性能が劣化することを示し、より頑健な代替手法の必要性を裏付ける。
• 関数的マップの行列表現を活用し、明示的な形状パラメータ化や等長性の仮定を必要とせずに、効率的な点対応回復を実現する。

実験結果

リサーチクエスチョン

• RQ1 ほぼ等長変形を仮定しない状況でも、関数的マップを正確に点対応に回復できるか？
• RQ2 最近傍探索に基づく回復手法における非対称性は、どのように軽減可能か？精度と頑健性の向上に寄与するか？
• RQ3 確率的モデルは、等長的・非等長的両設定において、標準的な最近傍探索法を上回る性能を示せるか？
• RQ4 関数的マップのランクが点対応回復の精度に与える影響は何か？また、提案手法はランクの増加に伴いどのようにスケーリングするか？
• RQ5 本手法は部分的で非等長的、あるいは異種形状の一致タスクにも一般化可能か？

主な発見

• 提案手法は最近傍探索ベースのベースラインに比べ、正確な点対応の回復率を最大20%まで向上させ、特に非等長変形下で顕著な性能向上を示す。
• 関数的マップのランクが100のとき、6890×6890の対応行列において75%の正確な一致回復を達成し、ベースラインを著しく上回る。
• 関数的マップが低ランク基底から導かれた場合でも、切り捨てやノイズに対して頑健であることを示し、高い精度を維持する。
• 標準的な最近傍探索法と比較して、確率的モデルにより片方の形状へのバイアスが低減され、一貫した2–3%の精度向上を達成する。
• EMに基づく精緻化は平均して約5イテレーションで収束し、n=10,000点、k=50基底関数の場合の総実行時間は約1分で、実世界応用において実用的である。
• ICPベースの精緻化は非等長形状では性能が著しく劣ることから、本手法のような汎用的回復フレームワークの必要性が明確になる。