[論文レビュー] Practical ReProCS for Separating Sparse and Low-dimensional Signal Sequences from their Sum

Han Guo, Chenlu Qiu+1 more|arXiv (Cornell University)|Oct 16, 2013

Sparse and Compressive Sensing Techniques被引用数 4

ひとこと要約

本稿では、低ランク背景シーケンスからのスパースなフォアグラウンドベクトルを分離するための実用的アルゴリズムである Practical ReProCS を提案する。この手法は、部分空間追跡を伴う再帰的投影圧縮センシングを活用し、背景成分の部分空間がゆっくり変化することを活かして、実際の動画およびシミュレーテッド動画においても、アンダーサンプリング下でもロバストな分離を実現する。

ABSTRACT

This paper designs and evaluates a practical algorithm, called practical recursive projected compressive sensing (Prac-ReProCS), for recovering a time sequence of sparse vectors $S_t$ and a time sequence of dense vectors $L_t$ from their sum, $M_t:= S_t + L_t$, when any subsequence of the $L_t$'s lies in a slowly changing low-dimensional subspace. A key application where this problem occurs is in video layering where the goal is to separate a video sequence into a slowly changing background sequence and a sparse foreground sequence that consists of one or more moving regions/objects. Prac-ReProCS is a practical modification of its theoretical counterpart which was analyzed in our recent work. Experimental comparisons demonstrating the advantage of the approach for both simulated and real videos are shown. Extension to the undersampled case is also developed.

研究の動機と目的

• 動画レイヤーイングにおいて、時間的に変化するスパース信号とゆっくり変化する低次元背景シーケンスを分離するための実用的アルゴリズムの開発。
• 理論的 ReProCS を、実世界での適用に適した形に拡張し、安定性と効率性を向上させること。
• 標準的およびアンダーサンプリング下の条件下でも、シミュレーテッドおよび実動画データに対して有効性を示すこと。
• 背景部分空間が時間とともにゆっくり変化する状況でも、回復がロバストに保たれることの実現。

提案手法

• オンライン部分空間推定と射影ベースのスパース回復を用いて、理論的 ReProCS を実用的で再帰的なアルゴリズムに変換する。
• 再帰的最小二乗法または OMP 型手法を用いて、時間経過に伴う背景部分空間の推定と追跡を行う。
• 圧縮センシングの原則を応用して、圧縮測定値からスパースフォアグラウンド成分を回復する。
• 実世界の設定における安定性を高めるために、実用的な初期化および誤差補正メカニズムを導入する。
• 推定されたスパース成分と低ランク成分の整合性を保つために、再帰的射影ステップを適用する。
• 圧縮センシング回復技術を統合することで、アンダーサンプリング状況に対応するフレームワークの拡張を行う。

実験結果

リサーチクエスチョン

• RQ1 Practical ReProCS の変種は、実動画シーケンスにおいて、安定的かつ正確にスパース成分と低ランク成分を分離できるか？
• RQ2 Prac-ReProCS の性能は、シミュレーテッドおよび実動画データにおいて、既存手法と比較してどのように異なるか？
• RQ3 アンダーサンプリング下でも、このアルゴリズムの有効性はどの程度維持されるか？
• RQ4 動的動画環境において、このアルゴリズムはゆっくり変化する背景部分空間をどの程度正確に追跡できるか？

主な発見

• Prac-ReProCS は、シミュレーテッドおよび実動画シーケンスの両方において、ゆっくり変化する背景シーケンスからのスパースフォアグラウンドオブジェクトの分離に成功している。
• フォアグラウンド回復精度とバックグラウンド推定の安定性の両面で、ベースライン手法に比べ優れた性能を示している。
• 再帰的フレームワーク内に圧縮センシングを統合することで、アンダーサンプリングに対するロバスト性が実現されている。
• 実用的な修正が理論的 ReProCS のバージョンに比べ、収束性と数値的安定性を顕著に改善している。