[論文レビュー] Rotation invariants of two dimensional curves based on iterated integrals

Joscha Diehl|arXiv (Cornell University)|May 29, 2013

Image Processing and 3D Reconstruction参考文献 33被引用数 15

ひとこと要約

本稿では、繰り返し積分（曲線のシグネチャ）を用いて、2次元曲線の回転不変特徴量の新規クラスを導入し、6次までの不変量を計算するための完全な代数的フレームワークを提供する。この手法は、シグネチャの代数的構造を活用して、安定で微分可能かつオンライン文字認識に有効な回転不変量を導出する。

ABSTRACT

We introduce a novel class of rotation invariants of two dimensional curves based on iterated integrals. The invariants we present are in some sense complete and we describe an algorithm to calculate them, giving explicit computations up to order six. We present an application to online (stroke-trajectory based) character recognition. This seems to be the first time in the literature that the use of iterated integrals of a curve is proposed for (invariant) feature extraction in machine learning applications.

研究の動機と目的

• 2次元曲線から回転不変特徴量を生成する完全的かつ体系的な手法の開発。
• オンライン手書きやジェスチャー認識などのストロークベースのデータにおける回転変動の課題に対処すること。
• 特徴抽出のための、繰り返し積分（シグネチャ）に基づく数学的に厳密で計算的に実行可能なフレームワークの提供。
• 滑らかでない、または高周波数成分を含む信号に対して、曲率ベースやフーリエベースの手法よりも繰り返し積分が優れていることの実証。
• 表現論とシグネチャ成分の代数的独立性を用いた回転不変性の理論的基盤の確立。

提案手法

• 2次元曲線のシグネチャを、その成分の繰り返しリーマン＝スティルチェス積分の集合として定義する。
• テンソル代数の代数的構造と同次成分への射影を用いて不変量を特定する。
• 回転群 SO(2) の表現論を適用し、回転下で不変のままであるシグネチャ成分を同定する。
• 基準を導出：シグネチャ成分の線形結合が回転不変であるための必要十分条件は、成分が2と1の個数の差が0である場合に限ること。
• 回転不変性条件から導かれる一次方程式系を解くことで、6次までのすべての回転不変量を計算するアルゴリズムを構築する。
• シグネチャ単項式の係数ベクトルの行列ランクを用いた議論により、得られた不変量の代数的独立性を検証する。

実験結果

リサーチクエスチョン

• RQ1 2次元曲線の繰り返し積分（シグネチャ）から、完全かつ計算可能な回転不変量の集合を導出できるか？
• RQ2 シグネチャの代数的構造をどのように活用すれば、任意の回転に対して不変な特徴量を抽出できるか？
• RQ3 シグネチャの同次成分とその回転下での変換の関係は何か？
• RQ4 曲率、フーリエ、モーメントベースの特徴量と比較して、これらの不変量は安定性および識別力において優れているか？
• RQ5 このような不変量は、オンライン文字認識のような実世界の応用において効果的に利用可能か？

主な発見

• 本稿では、繰り返し積分（シグネチャ）を用いて2次元曲線の完全な回転不変量の集合を構築し、6次までのすべての不変量を明示的に計算した。
• 不変量は、曲線をほぼ完全に特徴づけると知られているシグネチャから導出されており、高い識別力が保証される。
• 曲率ベースの手法が2階微分を必要とするのに対し、本手法は滑らかでない、あるいは至る所微分不可能な曲線（例：ブラウン運動）に対しても安定である。
• 6次までにわたる不変量は代数的に独立であり、豊富で重複のない特徴空間を実現する。
• フレームワークは完全性が証明されている：曲線上の任意の回転不変関数的は、これらのシグネチャに基づく不変量の線形結合として表現可能である。
• オンライン文字認識への応用により、画像としては区別できないがストロークの向きに差がある「M」と「W」の間で明確な分離が達成された。