[論文レビュー] Spectral Descriptors for Graph Matching

Nan Hu, Leonidas Guibas|arXiv (Cornell University)|Apr 4, 2013

Graph Theory and Algorithms参考文献 31被引用数 8

ひとこと要約

本稿では、重み付きグラフマッチングの性能向上を目的として、グラフラプラシアンに基づく2つのスペクトルグラフ記述子——ノード用のラプラシアンファミリーシグネเจอチャー（LFS）とエッジ用のペアワイズヒートカーネル距離——を提案する。この手法は、整数二次計画問題（IQP）として定式化され、近似的に解かれる。合成グラフ、CMUハウス、実画像グラフの各データセットにおいて、従来のシグネチャーおよび隣接行列ベースの手法と比較して優れた性能を示した。

ABSTRACT

In this paper, we consider the weighted graph matching problem. Recently, approaches to this problem based on spectral methods have gained significant attention. We propose two graph spectral descriptors based on the graph Laplacian, namely a Laplacian family signature (LFS) on nodes, and a pairwise heat kernel distance on edges. We show the stability of both our descriptors under small perturbation of edges and nodes. In addition, we show that our pairwise heat kernel distance is a noise-tolerant approximation of the classical adjacency matrix-based second order compatibility function. These nice properties suggest a descriptor-based matching scheme, for which we set up an integer quadratic problem (IQP) and apply an approximate solver to find a near optimal solution. We have tested our matching method on a set of randomly generated graphs, the widely-used CMU house sequence and a set of real images. These experiments show the superior performance of our selected node signatures and edge descriptors for graph matching, as compared with other existing signature-based matchings and adjacency matrix-based matchings. 1

研究の動機と目的

• ノイズおよび構造的摂動下における重み付きグラフマッチングの課題に取り組む。
• ノイズに強い安定したスペクトル記述子をノードおよびエッジレベルで開発する。
• 古典的な2次適合関数の置換または強化によりマッチング精度を向上させる。
• 従来のシグネチャーおよび隣接行列ベースの手法を凌駕する記述子ベースのマッチングフレームワークを設計する。

提案手法

• グラフラプラシアン行列から導出されるノードレベルのスペクトル記述子として、ラプラシアンファミリーシグネチャー（LFS）を提案する。
• グラフレプラシアンのヒートカーネルから導出されるエッジレベルの記述子として、ペアワイズヒートカーネル距離を導入する。
• ノードおよびエッジの微小な摂動に対して、両記述子の理論的安定性を確立する。
• ペアワイズヒートカーネル距離が、ノイズに強い方法で古典的な隣接行列ベースの2次適合関数を近似できることを示す。
• 提案された記述子を用いて、グラフマッチング問題を整数二次計画問題（IQP）として定式化する。
• 近似ソルバーを適用することで、近最適解を効率的に得る。

実験結果

リサーチクエスチョン

• RQ1 グラフレプラシアンに基づくスペクトル記述子は、摂動下でどのように安定性とロバスト性を向上させるか？
• RQ2 ペアワイズヒートカーネル距離は、古典的な2次適合関数をどの程度ノイズに強い近似として果たせるか？
• RQ3 LFSおよびヒートカーネル距離を用いた記述子ベースのマッチングは、従来のシグネチャーおよび隣接行列ベースのグラフマッチング手法を上回る性能を発揮できるか？
• RQ4 提案された記述子は、合成グラフ、系列ベースのグラフ、実画像グラフを含む多様なグラフタイプにおいて、どのように性能を発揮するか？

主な発見

• ラプラシアンファミリーシグネチャー（LFS）およびペアワイズヒートカーネル距離は、ノードおよびエッジの微小な摂動に対して安定している。
• ペアワイズヒートカーネル距離は、古典的な2次適合関数をノイズに強い方法で近似する。
• 提案された記述子ベースのマッチング手法は、合成グラフにおいて従来のシグネチャーに基づく手法と比較して優れた性能を示した。
• CMUハウスシーケンスデータセットでは、シグネチャーに基づく手法および隣接行列に基づく手法を上回る性能を発揮した。
• 実画像グラフを用いた実験では、提案手法が高いマッチング精度とロバスト性を示した。
• 近似ソルバーを用いたIQP定式化により、近最適マッチングの効率的計算が可能となった。