[論文レビュー] Simplexwise Distance Distributions for finite spaces with metrics and measures

Vitaliy Kurlin|arXiv (Cornell University)|Mar 24, 2023

Image Retrieval and Classification Techniques被引用数 5

ひとこと要約

本稿では、等長写像に関して有限な距離空間および距離測度空間を分類するための新しい不変量である単体的距離分布（SDD）を導入する。すべての点の部分集合における距離分布を分析し、重みを組み込むことで、従来の不変量が区別できない非等長空間を区別可能にし、同時に多項式時間で計算可能なリプシッツ連続な距離を提供する。

ABSTRACT

A finite set of unlabelled points in Euclidean space is the simplest representation of many real objects from mineral rocks to sculptures. Since most solid objects are rigid, their natural equivalence is rigid motion or isometry maintaining all inter-point distances. More generally, any finite metric space is an example of a metric-measure space that has a probability measure and a metric satisfying all axioms. This paper develops Simplexwise Distance Distributions (SDDs) for any finite metric spaces and metric-measures spaces. These SDDs classify all known non-equivalent spaces that were impossible to distinguish by simpler invariants. We define metrics on SDDs that are Lipschitz continuous and allow exact computations whose parametrised complexities are polynomial in the number of given points.

研究の動機と目的

• 等長写像の下で有限距離空間に対して完全で連続的かつ計算可能な不変量を設計すること（問題1.1の解決）。
• 従来の不変量（例えば、恒常ホモロジーと距離分布）の限界を克服すること。これらは、同一の対間距離を持つが非等長である空間を区別できない。
• 重みを伴う距離測度空間を分類するフレームワークを構築し、標準的な距離に基づく不変量よりも洗練された区別能力を実現すること。
• 実世界のノイズを含むデータに適した実用的でスケーラブルな解決策を提供すること。パrametrized多項式時間の計算複雑度を有する。

提案手法

• 有限距離空間内のh個の点のすべての部分集合における距離分布の集まりとして、単体的距離分布（SDD）を定義する。
• 点に重みを関連させ、距離と重みの両方を分布行列に記録することで、重み付き単体的分布（WSD）を導入する。
• L∞-型および地球移動距離（EMD）の定式化を用いてSDD上に距離を構築し、リプシッツ連続性と正確な計算を保証する。
• 基準部分集合Aからの距離と重みを符号化する行列表現M(X;A)を用い、Aの順列に対して不変性を満たす。
• SDDの比較にLAC（リプシッツ連続近似）およびEMD（地球移動距離）距離を適用し、微小な摂動に対しても安定性を保証する。
• SDDが完全な不変量であることを証明する：非等長空間は異なるSDDを有し、点の摂動に対して距離は連続的である。

実験結果

リサーチクエスチョン

• RQ1 完全で連続的な不変量を構築可能か。これにより、すべての非等長構成が区別可能か。
• RQ2 同一の対間距離を持つが非等長である4点集合（例：台形とキーホール）をSDDが解消可能か。
• RQ3 重みを距離分布に組み込むことで、標準的な距離に基づく不変量を上回る区別能力を向上させられるか。
• RQ4 SDDおよび関連する距離の計算複雑度は何か。多項式時間で有界にできるか。
• RQ5 測定距離分布（MSD）が同一だが局所構造が異なる距離測度空間をSDDは区別できるか。

主な発見

• SDDは、同一の対間距離を持つが非等長である2次元平面における4点集合（台形とキーホール）を、単体的分布の違いを捉えることで明確に区別する。
• 重み付きSDD（WSD）は、測定距離分布（MSD）が同一の9点の距離測度空間XとYを、基準点からの距離と重みの行列の差を検出することで区別する。
• h=1の場合、重み23/140の点pについて、M(X;p)とM(Y;p)の行列は列の順列を施しても同一でなく、非等長性が証明される。
• 2点基準A=(p,q)における不変量VID(A)は、Xでは1、Yでは2であり、測定単体的分布における直接的で識別可能な差を示す。
• 本稿では、SDDがパrametrized多項式時間で計算可能なリプシッツ連続距離を備え、問題1.1のすべての要件を満たすことを証明する。
• 著者らは、十分に高いhに対してWSDが任意の距離測度空間の組を同型写像の意味で区別可能であると予想しており、極限において完全性が成立すると示唆する。