[논문 리뷰] Approximate Sequential Importance Sampling for Fast Particle Filtering

Ömer Burak Demirel, Ihor Smal외 3명|arXiv (Cornell University)|2013. 10. 21.

Immune Response and Inflammation인용 수 1

한 줄 요약

이 논문은 사전에 정의된 버킷을 기반으로 균일 혼합분포를 사용하여 가능도를 근사함으로써 계산 비용을 줄이는 빠른 입자 필터링 방법인 근사 순차적 중요도 샘플링/재표본화(ASIR)를 제안한다. 각 버킷 내의 입자들은 단일 듀먼드 입자로 표현되며, 가능도 평가는 오직 이 듀먼드 입자들에 대해서만 수행되므로 계산 속도가 크게 향상되지만, 버킷 크기가 작아질수록 정확도를 유지할 수 있다.

ABSTRACT

Particle filters are key algorithms for object tracking under non-linear, non-Gaussian dynamics. The high computational cost of particle filters, however, hampers their applicability in cases where the likelihood model is costly to evaluate, or where large numbers of particles are required to represent the posterior. We introduce the approximate sequential importance sampling/resampling (ASIR) algorithm, which aims at reducing the cost of traditional particle filters by approximating the likelihood with a mixture of uniform distributions over pre-defined cells or bins. The particles in each bin are represented by a dummy particle at the center of mass of the original particle distribution and with a state vector that is the average of the states of all particles in the same bin. The likelihood is only evaluated for the dummy particles, and the resulting weight is identically assigned to all particles in the bin. We derive upper bounds on the approximation error of the so-obtained piecewise constant function representation, and analyze how bin size affects tracking accuracy and runtime. Further, we show numerically that the ASIR approximation error converges to that of sequential importance sampling/resampling (SIR) as the bin size is decreased. We present a set of numerical experiments from the field of biological image processing and tracking that demonstrate ASIR's capabilities. Overall, we consider ASIR a promising candidate for simple, fast particle filtering in generic applications.

연구 동기 및 목표

• 비선형, 비정규 추적 환경에서 기존 입자 필터의 높은 계산 비용을 해결한다.
• 특히 계산이 비용이 많이 드는 모델일 경우 가능도 평가 비용을 줄인다.
• 중복 가능한 가능도 평가를 최소화하여 대규모 수의 입자를 사용하는 효율적인 입자 필터링을 가능하게 한다.
• 버킷화를 통해 사후확률을 조각별로 일정한 값으로 근사함으로써 추적 정확도를 유지한다.
• 버킷 크기, 정확도, 런타임 간의 상호 작용을 분석하고 근사 오차에 대한 이론적 경계를 제시한다.

제안 방법

• 사전에 정의된 공간 또는 상태공간 버킷 위에서 균일 분포의 혼합분포를 사용해 가능도 함수를 근사한다.
• 각 버킷 내의 모든 입자를 해당 버킷의 질량중심에 위치한 단일 듀먼드 입자로 표현한다.
• 가능도 평가는 오직 듀먼드 입자들에 대해서만 수행하며, 동일한 버킷에 속한 모든 입자에게 동일한 가중치를 할당한다.
• 수득한 가중치를 사용해 순차적 중요도 샘플링 및 재표본화를 수행하며, 표준 입자 필터의 구조를 유지한다.
• 조각별 일정한 가능도 표현에 의해 유도되는 근사 오차에 대한 이론적 상한선을 유도한다.
• 버킷 크기가 계산 효율성과 추적 정확도에 끼치는 영향을 분석한다.

실험 결과

연구 질문

• RQ1 버킷화된 가능도 근사에서의 버킷 크기가 입자 필터의 추적 정확도에 어떤 영향을 미치는가?
• RQ2 조각별 일정한 가능도 표현에 의해 유도되는 근사 오차의 이론적 상한선은 무엇인가?
• RQ3 버킷 크기와 입자 수에 따라 ASIR의 계산 비용이 표준 SIR 입자 필터링과 어떻게 비교되는가?
• RQ4 버킷 크기를 줄일수록 ASIR이 표준 SIR의 성능에 얼마나 수렴하는가?
• RQ5 생물학적 영상 처리와 같은 비용이 많이 드는 가능도 모델을 가진 실세계 응용에서 ASIR이 수용 가능한 추적 정확도를 유지할 수 있는가?

주요 결과

• ASIR의 근사 오차는 유한하며, 버킷 크기가 작아질수록 감소하여 표준 SIR 입자 필터링의 오차에 수렴한다.
• ASIR는 각 버킷당 가능도를 한 번만 평가함으로써 입자 수에 관계없이 계산 비용을 크게 줄인다.
• 생물학적 영상 처리 분야에서의 수치 실험 결과, ASIR은 굵은 버킷 크기 조건에서도 높은 추적 정확도를 유지함을 보였다.
• 작은 버킷 크기는 정확도를 향상시키지만 계산 비용을 증가시키며, 이는 속도와 정밀도 사이의 조절 가능한 트레이드오프를 제공한다.
• 고차원적이거나 계산 비용이 많이 드는 가능도 모델을 가진 환경에서는 상당한 속도 향상을 달성한다.
• 이론적 오차 경계는 정확도와 효율성의 균형을 이루는 버킷 크기 선택에 체계적인 방법을 제공한다.