[論文レビュー] The Convergence of Least-Squares Progressive Iterative Approximation with Singular Iterative Matrix

Hongwei Lin, Qi Cao+1 more|arXiv (Cornell University)|Jul 28, 2017

Advanced Numerical Analysis Techniques参考文献 13被引用数 3

ひとこと要約

本稿は、反復行列が特異である場合でも最小二乗逐次反復近似（LSPIA）が収束することを証明し、ランク不足のシステムを伴う大規模な幾何的フィッティング問題への適用可能性を拡張している。この方法は、ムーア・ペンローズ一般化逆行列を介して最小ノルム解に収束する。理論的分析と、43,994個のデータポイントと20,790×20,790の特異行列を含む実世界の3変数Bスプラインフィッティング例により検証されている。

ABSTRACT

Developed in [Deng and Lin, 2014], Least-Squares Progressive Iterative Approximation (LSPIA) is an efficient iterative method for solving B-spline curve and surface least-squares fitting systems. In [Deng and Lin 2014], it was shown that LSPIA is convergent when the iterative matrix is nonsingular. In this paper, we will show that LSPIA is still convergent even the iterative matrix is singular.

研究の動機と目的

• 最小二乗フィッティングシステムにおける係数行列が特異である場合のLSPIAの収束を確立すること。
• 従来の非特異な場合に限られていたLSPIAの理論的基盤を拡張すること。
• 四面体メッシュフィッティングや穴のある画像再構成など、大規模または不完全なデータを含む実用的応用を支援すること。
• 特定の条件下でLSPIAが最小二乗ノルム解（ムーア・ペンローズ一般化逆行列）に収束することを示すこと。

提案手法

• 制御点間でのベクトル配布とベクトル収集を含む反復的プロセスとしてLSPIAを再定式化する。
• 重み付き平均を用いて、データポイントの差分ベクトル（DVD）と制御点の差分ベクトル（DVC）を定義する。
• 行列 $\alpha A^T A$ の固有値分解とスペクトル半径の条件を用いて収束を分析する。
• 収束分析のための反復形式 $P^{(k+1)} = (I - \alpha A^T A)P^{(k)} + \alpha A^T Q$ を導出する。
• $A^T A$ が特異である場合の極限解を特徴付けるためにムーア・ペンローズ一般化逆行列を適用する。
• 対称的非負定値行列の直交分解とスペクトル特性を用いて、最小ノルム解への収束を証明する。

実験結果

リサーチクエスチョン

• RQ1 反復行列 $A^T A$ が特異である場合、一意な解が存在しないにもかかわらずLSPIAは収束するか？
• RQ2 幾何モデリングにおいて生じるランク不足のシステムに対しても、LSPIAは安定的かつ意味のある解に収束できるか？
• RQ3 $A^T A$ が特異である場合のLSPIAの極限解は何か？ それは最小ノルム解に対応するか？
• RQ4 LSPIAが最小二乗システムのムーア・ペンローズ一般化逆行列解に収束する条件は何か？

主な発見

• スペクトル解析を用いて、係数行列 $A^T A$ が特異であってもLSPIAが安定した解に収束することを証明した。
• 行列 $\Lambda$ の対角成分がすべて等しい場合、LSPIAは最小二乗システムのムーア・ペンローズ一般化逆行列解に収束する。
• 初期制御点 $P^{(0)} = 0$ の場合、$A^T A$ のランクにかかわらず、極限解は最小ユークリッドノルム解である。
• 43,994個の四面体メッシュ頂点を含む実世界の例では、20,790×20,790の行列がランク12,628であるにもかかわらず、LSPIAは5.50秒で最小二乗フィッティング誤差 $9.97 \times 10^{-5}$ の解に収束した。
• スペクトル半径 $\rho(\alpha A^T A) \leq 1$ が成立する限り、収束は保証され、反復プロセスの安定性が確保される。