[論文レビュー] Precise Matching of PL Curves in $R^N$ in the Square Root Velocity Framework

Sayani Lahiri, Daniel Robinson+1 more|arXiv (Cornell University)|Jan 3, 2015

Morphological variations and asymmetry参考文献 7被引用数 30

ひとこと要約

本稿は、$\mathbb{R}^N$ 内の折れ線（PL）曲線の最適一致を平方根速度関数（SRVF）フレームワークのもとで正確に実行するアルゴリズムを提示する。商空間における閉じた軌道を厳密に特徴付け、幾何学的パス・ストレートニング手法を導入することで、曲線の軌道間の最小距離を正確に計算可能とし、正確な測地線計算を実現。従来の動的計画法による近似手法を上回る性能を発揮する。

ABSTRACT

The square root velocity function (SRVF), introduced by Srivastava et al, has proved to be an effective way to compare absolutely continuous curves in $R^N$ modulo reparametrization. Several computational papers have been published based on this method. In this paper, we carefully establish the theoretical foundations of the SRVF method. In particular, we analyze the quotient construction of the set of absolutely continuous curves modulo the group (or in some cases, semigroup) of reparametrizations, proving an important theorem about the structure of the closed orbits required in this quotient construction. We observe that the set of piecewise linear curves is dense in the space of absolutely continuous curves with respect to the SRVF metric. Finally, given two piecewise linear curves, we establish a precise algorithm for producing the optimal matching between these curves. This also results in a precise determination of the geodesic between the points in the quotient space corresponding to these curves. In the past, this geodesic has only been approximated using the method of Dynamic Programming. We show examples resulting from this algorithm.

研究の動機と目的

• 再パラメータリゼーションの下でSRVF計量およびその商空間構成の厳密な理論的基盤を確立すること。
• 絶対連続関数の稠密なクラスである$\mathbb{R}^N$ 内の折れ線曲線に対して、最適一致問題を正確に解くこと。
• 再パラメータリゼーションの下で、2つの曲線の軌道間の最小距離を正確に計算するアルゴリズムを開発し、正確な測地線計算を可能とすること。
• 1次元PL一致アルゴリズムを一般化し、$\mathbb{R}^N$ 内の高次元曲線に適用するが、収束性および正しさが保証されることを示すこと。
• 入力曲線が両方ともPLの場合、最適一致がSRVFがPL関数であるものとして実現可能であることを示すこと。

提案手法

• 絶対連続な曲線$[0,1] \to \mathbb{R}^N$ のSRVFを、その速度の大きさの平方根として定義し、$L^2(I, \mathbb{R}^N)$ に写像する。
• 微分同相写像の群$\Gamma$ 及びその閉包$\tilde{\Gamma}$ を導入し、$\tilde{\Gamma}$-軌道が閉じていることを示し、商空間の計量的完備性を保証する。
• $I \times I$ グリッド上にP-セグメントを構築するパス・ストレートニングアルゴリズムを用い、再パラメータリゼーションがグリッドの頂点に到達する臨界勾配を特定する。
• グリッド上の各出発点について、頂点に到達する最小の初期勾配（しきい値を超える）を計算し、頂点座標比$t_l / s_k$ を用いる。
• 勾配を段階的に増加させながらP-セグメントを反復的に構築し、テストセグメントを用いて頂点の交差を検出することで、すべての最適一致が網羅されることを保証する。
• アルゴリズムを実装し、$\mathbb{R}^N$ 内のPL曲線の軌道間の正確な最適一致および最短測地線を計算する。

実験結果

リサーチクエスチョン

• RQ1 再パラメータリゼーションの下で$L^2(I, \mathbb{R}^N)$ の商空間は完全な計量を備えているか？また、再パラメータリゼーション群による軌道は閉じているか？
• RQ2 $\mathbb{R}^N$ 内のPL曲線に対する最適一致問題は、動的計画法による近似ではなく、正確に解けるか？
• RQ3 2つのPL曲線の軌道間の最小距離は、常にPL曲線のSRVFである代表元によって実現されるか？
• RQ4 グリッド走査と頂点検出に基づく幾何学的アルゴリズムは、すべての最適再パラメータリゼーションを正確に計算できるか？
• RQ5 動的計画法に基づく近似手法と比較して、正確なアルゴリズムの性能と正確性はどのように異なるか？

主な発見

• アルゴリズムは、$\mathbb{R}^N$ 内のPL曲線の軌道間の最小距離を正確に計算可能であり、例12では動的計画法と比較して距離が25%減少した。
• 例12において、動的計画法によるアライメント後の距離は1.5239であったが、本手法では1.2457にまで低下し、顕著な改善が確認された。
• 例9（3次元）では、アライメント前の距離が8.5302、アライメント後の距離が8.5253であった。これは対称な曲線のほぼ等長一致を示している。
• アルゴリズムは、軌道間のSRVF距離を最小化する最適再パラメータリゼーションを特定することで、正確な測地線を計算可能としている。
• 本手法により、少なくとも一方の軌道がPL曲線のSRVFを含む場合、最適一致が存在し、正確に計算可能であることが証明された。
• パス・ストレートニング手順は、P-セグメントが頂点に交差する臨界勾配を信頼性高く検出でき、最適一致が見逃されないことを保証している。