[논문 리뷰] A semidiscrete version of the Citti-Petitot-Sarti model as a plausible model for anthropomorphic image reconstruction and pattern recognition

Dario Prandi, Jean-Paul Gauthier|arXiv (Cornell University)|2017. 04. 10.

Morphological variations and asymmetry인용 수 8

한 줄 요약

이 논문은 군 $SE(2,N)$ 위의 Citti-Petitot-Sarti 부분리만다이언 기하 모델의 반산분적 버전을 제안한다. $SE(2)$의 유한 회전 근사이며, 더 단순한 조화 분석과 향상된 이미지 복원 및 패턴 인식을 가능하게 한다. 이 모델은 좌변불변 구조와 최대 거의 주기적 군 성질을 활용하여 이론적 기반을 탄탄히 하면서도 효율적이고 실용적인 알고리즘을 도출한다.

ABSTRACT

In his beautiful book [66], Jean Petitot proposes a sub-Riemannian model for the primary visual cortex of mammals. This model is neurophysiologically justified. Further developments of this theory lead to efficient algorithms for image reconstruction, based upon the consideration of an associated hypoelliptic diffusion. The sub-Riemannian model of Petitot and Citti-Sarti (or certain of its improvements) is a left-invariant structure over the group $SE(2)$ of rototranslations of the plane. Here, we propose a semi-discrete version of this theory, leading to a left-invariant structure over the group $SE(2,N)$, restricting to a finite number of rotations. This apparently very simple group is in fact quite atypical: it is maximally almost periodic, which leads to much simpler harmonic analysis compared to $SE(2).$ Based upon this semi-discrete model, we improve on previous image-reconstruction algorithms and we develop a pattern-recognition theory that leads also to very efficient algorithms in practice.

연구 동기 및 목표

• 부분리만다이언 기하학에 기반한 주의성 시각 피질의 단순화되고 계산 가능성이 높은 모델을 개발하기 위해.
• 회전 대칭을 유한한 각도 집합으로 제한하여 이미지 복원 및 패턴 인식 알고리즘의 성능을 향상시키기 위해.
• $SE(2,N)$의 최대 거의 주기적 성질을 활용하여 연속적인 $SE(2)$ 군보다 더 효율적인 조화 분석을 실현하기 위해.
• 신경생리학적 시각 인식 모델과 컴퓨터 비전에서 실현 가능한 알고리즘 사이의 다리를 놓기 위해.
• 생물학적 타당성을 유지하면서도 계산 효율성을 향상시키는 이론적이고 알고리즘적 프레임워크를 제공하기 위해.

제안 방법

• 유한하고 이산적인 각도 집합으로만 회전을 제한하는 군 $SE(2,N)$ 위의 반산분적 부분리만다이언 모델을 수립하기 위해.
• $SE(2,N)$ 위에 좌변불변 리만다이언 구조를 구성하여 원래의 $SE(2)$ 모델의 핵심 기하 성질을 유지하기 위해.
• $SE(2,N)$의 최대 거의 주기적 성질을 활용하여 조화 분석를 단순화하고, 군 표현의 효율적 계산를 가능하게 하기 위해.
• $SE(2,N)$ 위에 초타원형 확산 과정을 설계하여 주의성 시각 피질 내 신경 통합을 모델링하기 위해.
• 군 이론적 도구와 유한군에서의 효율적 푸리에 분석을 활용하여 반산분적 모델 기반의 이미지 복원 및 패턴 인식 알고리즘을 구현하기 위해.
• 보간 및 부분리만다이언 기하학 분야의 이전 연구 결과를 통합하여 모델의 이론적 기반과 알고리즘 기반을 더욱 강화하기 위해.

실험 결과

연구 질문

• RQ1 유한 회전 근사인 $SE(2)$ 군이 원래 Citti-Petitot-Sarti 모델의 신경생리학적 및 기하학적 성질을 유지할 수 있는가?
• RQ2 $SE(2,N)$의 반산분적 구조가 연속적인 $SE(2)$ 군에 비해 조화 분석를 얼마나 단순화하는가?
• RQ3 반산분적 모델이 이미지 복원 및 패턴 인식 알고리즘의 효율성과 정확도를 어느 정도 향상시킬 수 있는가?
• RQ4 최대 거의 주기성은 시각 처리에서 부분리만다이언 모델의 계산 가능성을 어느 정도 향상시키는가?
• RQ5 부분리만다이언 기하학의 이론적 프레임워크를 생물학적 타당성을 유지하면서도 이산적이고 유한한 군에 어떻게 적응시킬 수 있는가?

주요 결과

• 반산분적 군 $SE(2,N)$는 최대 거의 주기적이며, 이로 인해 연속적인 $SE(2)$ 군보다 훨씬 단순한 조화 분석를 가능하게 한다.
• 제안된 모델은 $SE(2,N)$ 위의 조화 분석의 계산 가능성을 바탕으로 더 효율적인 이미지 복원 알고리즘을 도출한다.
• 모델은 생물학적 원리에 기반한 실용적이고 고성능의 패턴 인식 알고리즘 개발을 지원한다.
• 유한 회전 구조는 원래의 $SE(2)$ 모델의 핵심 기하학적 및 역학적 특성을 유지하면서도 계산 복잡도를 감소시킨다.
• 보간 및 부분리만다이언 기하학 분야의 이전 연구 결과 통합은 모델의 이론적 탄탄함과 적용 가능성에 기여한다.
• 이 연구는 다수의 연구 보조금 및 협업을 통해 지원받으며, 강력한 학술적 및 기술적 검증을 받고 있다.