[論文レビュー] Smoothness and Smooth Extensions (I): Generalization of MWK Functions and Gradually Varied Functions

Li Chen|arXiv (Cornell University)|May 20, 2010

Topological and Geometric Data Analysis参考文献 15被引用数 3

ひとこと要約

本稿では、離散的および連続的設定における自然な滑らかさの一般化された枠組みを提案し、数学的滑らかさと画像処理および数値解析分野における実用的応用を橋渡しする。Lipschitz連続性およびスキャンベースの符号変化率を用いて離散的滑らかさを定義し、MWK関数および徐々に変化する関数を一般化して、理想化されたC∞関数を超える現実世界の滑らかさをモデル化する。

ABSTRACT

A mathematical smooth function means that the function has continuous derivatives to a certain degree C(k). We call it a k-smooth function or a smooth function if k can grow infinitively. Based on quantum physics, there is no such smooth surface in the real world on a very small scale. However, we do have a concept of smooth surfaces in practice since we always compare whether one surface is smoother than another one. This paper deals with the possible definitions of "natural" smoothness and their relationship to the original mathematical definition of smooth functions. The motivation of giving the definition of a smooth function is to study smooth extensions for practical applications. We observe this problem from two directions: From discrete to continuous, we suggest considering both micro smooth, the refinement of a smoothed function, and macro smooth, the best approximation using existing discrete space. (For two-dimensional or higher dimensional cases, we can use Hessian matrices.) From continuous to discrete, we suggest a new definition of natural smooth, it uses a scan from down scaling to up scaling to obtain the a ratio for sign changes by ignoring zero to represent the smoothness. For differentiable functions, mathematical smoothness does not mean a "good looking" smooth for a sampled set in discrete space. Finally, we discuss the Lipschitz continuity for defining the smoothness, which will be called discrete smoothness. This paper gives philosophical consideration of smoothness for practical problems, rather than a mathematical deduction or reduction, even though our inferences are based on solid mathematics.

研究の動機と目的

• 理想化されたC(k)滑らかさを超えて、人間の知覚と実用的応用に整合する実用的で自然な滑らかさを定義すること。
• サンプリングされた離散データにおける数学的滑らかさと知覚される滑らかさの間の乖離を解消すること。
• 画像再構築および表面モデリングにおける計算応用に適した離散的滑らかさの測度を開発すること。
• 滑らかさ拡張問題における微小スケールの精錬と大規模スケールの近似を統合すること。

提案手法

• ダウンスケーリングからアップスケーリングへのスキャンベースの手法を導入し、ゼロを無視して符号変化率を計算することで、自然な滑らかさの測度とする。
• Lipschitz連続性に基づく離散的滑らかさを提案し、離散関数における有界 Variation と関連付ける。
• ヘッセ行列解析を用いて、MWK関数および徐々に変化する関数の概念を高次元に拡張する。
• 微小スケールの滑らかさ（精錬）と大規模スケールの滑らかさ（近似）の両方の視点を統合して滑らかさ拡張をモデル化する。
• 符号変化率を2次元およびそれ以上の次元における離散グリッドの滑らかさの定量的評価に適用する。
• 滑らかさの哲学的考察を、実用的応用に適した数学的根拠に基づく枠組みに統合する。

実験結果

リサーチクエスチョン

• RQ1 数学的滑らかさは、実用的応用における離散データに対してどのように意味的に一般化できるか？
• RQ2 理想化されたC∞関数に依存しない、サンプリング済みまたは離散的表面における「自然な」滑らかさとは何か？
• RQ3 微小スケールの精錬と大規模スケールの近似の両方を用いて、滑らかさ拡張をどのように構築できるか？
• RQ4 ゼロを無視した符号変化率は、スケールをまたいで滑らかさを測定する上で果たす役割は何か？
• RQ5 Lipschitz連続性は、離散的設定における古典的滑らかさの代替としてどのように有効に機能するか？

主な発見

• ダウンスケーリングからアップスケーリングへの符号変化率は、離散データにおける自然な滑らかさを強固かつスケーラブルに測定するものである。
• Lipschitz連続性に基づく離散的滑らかさは、サンプリング関数における知覚的滑らかさを効果的に捉える。
• ヘッセ行列を用いた一般化枠組みにより、MWK関数および徐々に変化する関数が高次元空間へと効果的に拡張された。
• 微小スケールの精錬と大規模スケールの近似は、滑らかさ拡張問題において補完的であることが示された。
• 提案された滑らかさ測度は、理論的滑らかさと実用的視覚的・計算的滑らかさの間の溝を埋める。
• 本枠組みは、哲学的に根拠付けられ、数学的に整合性のある滑らかさのアプローチを提供し、画像処理および数値解析分野における実世界応用を支援する。