[論文レビュー] Sparsity and Robustness in Face Recognition

John Wright, Arvind Ganesh+3 more|arXiv (Cornell University)|Nov 3, 2011

Sparse and Compressive Sensing Techniques参考文献 13被引用数 23

ひとこと要約

本稿は、特徴量の疎表現に基づく分類（SRC）を用いた顔認識のチュートリアルを提示する。特に、オクルージョンや照明変動といった著しい誤差を同時に回復・補正するために ℓ¹ 最小化を用いることを強調する。低次元線形モデル下でのSRCの有効性を検証し、不定方程式系において安定な解を得るためには ℓ¹ 正則化が不可欠であることを示し、ℓ² 最小化で十分であるという主張に反論する。

ABSTRACT

This report concerns the use of techniques for sparse signal representation and sparse error correction for automatic face recognition. Much of the recent interest in these techniques comes from the paper "Robust Face Recognition via Sparse Representation" by Wright et al. (2009), which showed how, under certain technical conditions, one could cast the face recognition problem as one of seeking a sparse representation of a given input face image in terms of a "dictionary" of training images and images of individual pixels. In this report, we have attempted to clarify some frequently encountered questions about this work and particularly, on the validity of using sparse representation techniques for face recognition.

研究の動機と目的

• 疎表現に基づく分類（SRC）の理論的および実験的基盤を明確化すること。
• Shi ら（2011）が提唱した、SRC において ℓ² 最小化が ℓ¹ を上回るとの批判に応えること。
• ℓ¹ 正則化が顔認識に於いて安定な解を得るために必要な条件を確立すること。
• 実務家が顔認識問題に対して疎モデル化ツールを正しく適用するのを支援すること。
• 適切なモデル仮定と正則化の重要性が、信頼性の高い性能を達成するために不可欠であることを強調すること。

提案手法

• 顔認識を疎符号化問題として定式化：A x + e = y を満たすように ‖x‖₁ + ‖e‖₁ を最小化。ここで A は訓練画像の辞書であり、e は著しい誤差をモデル化する。
• 疎表現を用いて残差誤差が最小となる被験者を特定：ŷ = argminᵢ ‖y − Aᵢxᵢ − e‖₂。
• 低ランク近似の前に、影やスペキュラー性といった疎な誤差を除去するために、ロバストPCA（RPCA）を適用する。
• 特異値分解（SVD）を用いて、顔画像部分空間内の低次元構造を分析する。
• システムが不定でかつ誤差が疎である場合、ℓ¹ 正則化が不可欠であることを示す。
• 誤差の空間的連続性を活用すれば、ランダム射影や低次元測定であっても、顔認識が依然として頑健に達成可能であると主張する。

実験結果

リサーチクエスチョン

• RQ1 著しい誤差を伴う顔認識において、ℓ¹ 最小化が ℓ² 最小化を上回る条件は何か？
• RQ2 顔画像表現の不定方程式系において、なぜ ℓ¹ 正則化が安定な解を得るために必要なのか？
• RQ3 空間的連続性を考慮した誤差モデルを用いれば、低次元測定（例：111ピクセル）でも高い識別精度が達成可能か？
• RQ4 オクルージョンや照明変動といった物理的現象は、線形部分空間モデルをどのように破壊するのか。そして、それらはどのように是正可能か？
• RQ5 疎な誤差が存在する状況で、ℓ¹-正則化付き疎符号化を ℓ² 基盤の手法に置き換えると、どのような限界が生じるか？

主な発見

• SRC における ℓ¹ 最小化アプローチは、オクルージョンや影といった疎な誤差を処理する上で理論的および実験的に正当化される。
• 特徴量の数が少ない場合（例：d=300）、ℓ¹ 正則化が不可欠である。それなしでは ℓ² 基盤の手法は無限に多くの解を持ち、失敗する。
• ロバストPCA（RPCA）は、疎な誤差を除去することで低ランク近似を著しく改善し、特異値の急速な減衰をもたらす。
• 非常に低解像度（13×9 = 111ピクセル）であっても、空間的連続性を考慮した誤差モデルを用いれば、サングラスやスカーフの認識率がほぼ90％に達する。
• 低次元空間へのランダム射影は頑健性を向上させず、誤差補正において根本的に無効であると証明できる。
• 最適化ノルムの選択は、信号および誤差の想定された構造と一致させる必要がある——疎性を想定する場合は ℓ¹、ガウスノイズを想定する場合は ℓ² である。ノルムの不一致は失敗を招く。