[논문 리뷰] A Generalized Framework for Agglomerative Clustering of Signed Graphs applied to Instance Segmentation.

Alberto Bailoni, Constantin Pape외 4명|arXiv (Cornell University)|2019. 06. 27.

Data Management and Algorithms참고 문헌 84인용 수 14

한 줄 요약

이 논문은 유사성 및 반발력 상호작용, 연결 기준, 그리고 cannot-link 제약 조건을 모두 통합하고 확장하여, 정규화된 서명 그래프에서의 집합적 군집화를 위한 일반화된 프레임워크인 GASP를 소개한다. 이는 기존 방법을 통합하고 확장하며, 인스턴스 세그멘테이션 벤치마크에서 기존 방법을 능가하는 새로운 군집화 알고리즘을 제안한다. 이는 CREMI 2016 및 CityScapes 데이터셋에서 최신 기술 수준의 성능을 달성한다.

ABSTRACT

We propose a novel theoretical framework that generalizes algorithms for hierarchical agglomerative clustering to weighted graphs with both attractive and repulsive interactions between the nodes. This framework defines GASP, a Generalized Algorithm for Signed graph Partitioning, and allows us to explore many combinations of different linkage criteria and cannot-link constraints. We prove the equivalence of existing clustering methods to some of those combinations, and introduce new algorithms for combinations which have not been studied. An extensive comparison is performed to evaluate properties of the clustering algorithms in the context of instance segmentation in images, including robustness to noise and efficiency. We show how one of the new algorithms proposed in our framework outperforms all previously known agglomerative methods for signed graphs, both on the competitive CREMI 2016 EM segmentation benchmark and on the CityScapes dataset.

연구 동기 및 목표

• 정규화된 서명 그래프에서 양(유사성) 및 음(반발력) 간선을 모두 포함하는 집합적 군집화에 대한 통합된 이론적 프레임워크가 부족한 문제를 해결하기 위해.
• 다양한 연결 기준과 cannot-link 제약 조건을 하나의 형식론 내에 통합하여 기존 군집화 알고리즘을 일반화하기 위해.
• 기존에 연구되지 않은 바이어스된 알고리즘 조합을 서명 그래프 군집화의 맥락에서 탐색하기 위해.
• 실세계 인스턴스 세그멘테이션 작업에서 제안된 알고리즘의 강건성과 효율성을 평가하기 위해.
• CREMI 2016 및 CityScapes와 같은 벤치마크 데이터셋에서 새로운 알고리즘이 기존 방법보다 뛰어난 성능을 보임을 입증하기 위해.

제안 방법

• 가중치가 부여된 서명 그래프에서의 계층적 군집화를 위한 이론적 프레임워크로, GASP(Genaralized Algorithm for Signed graph Partitioning)를 제안한다.
• 유사성 및 반발력 상호작용을 모델링하기 위해, 양수 및 음수 간선 가중치를 모두 포함하는 다수의 연결 기준(예: 단일, 완전, 평균)을 통합한다.
• 비유사 노드의 병합을 방지하기 위해, 군집화 과정에 명시적으로 cannot-link 제약 조건을 통합한다.
• 기존 군집화 공식화를 일반화하고 알고리즘 조합의 체계적 탐색을 가능하게 하는 통합 최적화 목표를 정의한다.
• 서명 그래프 구조에서 유도된 일반화된 연결 점수를 기반으로 노드를 병합하는 하향식 집합적 전략을 활용한다.
• CREMI 2016 및 CityScapes에서 이미지 인스턴스 세그멘테이션에 대한 광범위한 실험을 통해, 평균 DICE 및 경계 F1 등의 지표를 사용하여 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 기존의 서명 그래프를 위한 집합적 군집화 방법들이 단일 일반화 프레임워크 아래에서 어떻게 형식적으로 통합될 수 있는가?
• RQ2 연결 기준과 cannot-link 제약 조건의 어떤 조합이 서명 그래프에서 개선된 군집화 성능를 제공하는가?
• RQ3 일반화 프레임워크 내에서 새로운 알고리즘 조합이 기존의 방법보다 인스턴스 세그멘테이션 작업에서 뛰어난 성능을 보일 수 있는가?
• RQ4 제안된 알고리즘은 이미지 데이터의 노이즈 및 변동성에 대해 얼마나 강건한가?
• RQ5 기존 접근 방식과 비교해 새로운 알고리즘의 계산 효율성은 어떠한가?

주요 결과

• GASP 프레임워크에서 유도된 새로운 알고리즘 중 하나가 CREMI 2016 전자현미경 세그멘테이션 벤치마크에서 최신 기술 수준의 성능을 달성한다.
• 제안된 알고리즘은 CREMI 2016 데이터셋에서 기존에 알려진 모든 서명 그래프 집합적 방법보다 세그멘테이션 품질 측면에서 뛰어난 성능을 보인다.
• 이 프레임워크는 이전에 서명 그래프 군집화 맥락에서 탐색되지 않은 새로운 알고리즘 조합의 발견을 가능하게 한다.
• 새로운 알고리즘은 이미지 데이터의 노이즈에 대해 매우 강건하며, 다양한 조건에서도 뛰어난 성능을 유지한다.
• 이 프레임워크는 경쟁적인 효율성을 보이며, CityScapes와 같은 대규모 데이터셋에서의 인스턴스 세그멘테이션 작업에 적합하다.
• 이론적 분석을 통해 여러 기존 군집화 방법이 GASP 프레임워크 내 특정 인스턴스와 동치임을 확인한다.