[논문 리뷰] Calculating Shadows with U-Nets for Urban Environments (Short Paper)

Luciano da Fontoura Costa, Welscher, Franz외 6명|arXiv (Cornell University)|2021. 10. 18.

Computational Drug Discovery Methods인용 수 102

한 줄 요약

이 논문은 집합, 연속 영역, 밀도, 스칼라 장 등 다양한 수학적 구조 간의 유사도 측정을 향상시키기 위해 Jaccard 지수의 새로운 일반화를 제안한다. 더 엄격한 유사도 평가를 위해 Jaccard 지수와 내부성 지수를 조합한 공명 지수를 도입하며, 이는 다중집합, 함수, 다변량 의존성으로까지 확장된다. 응용 분야로는 모델링, 패턴 인식, 네트워크 분석 등이 포함된다.

ABSTRACT

Quantifying the similarity between two mathematical structures or datasets constitutes a particularly interesting and useful operation in several theoretical and applied problems. Aimed at this specific objective, the Jaccard index has been extensively used in the most diverse types of problems, also motivating some respective generalizations. The present work addresses further generalizations of this index, including its modification into a coincidence index capable of accounting also for the level of relative interiority between the two compared entities, as well as respective extensions for sets in continuous vector spaces, the generalization to multiset addition, densities and generic scalar fields, as well as a means to quantify the joint interdependence between two random variables. The also interesting possibility to take into account more than two sets has also been addressed, including the description of an index capable of quantifying the level of chaining between three structures. Several of the described and suggested eneralizations have been illustrated with respect to numeric case examples. It is also posited that these indices can play an important role while analyzing and integrating datasets in modeling approaches and pattern recognition activities, including as a measurement of clusters similarity or separation and as a resource for representing and analyzing complex networks.

연구 동기 및 목표

• 표준 Jaccard 지수가 한 집합이 다른 집합에 얼마나 포함되어 있는지를 측정하는 데에 한계가 있다는 문제를 해결하기 위해.
• 영역과 적분 기반 수식을 사용하여 연속 집합, 밀도, 스칼라 장에 대해 Jaccard 지수를 일반화하기 위해.
• 양수 및 음수 값을 가진 함수와 다중집합 연산에 대해 Jaccard 지수를 일반화하기 위해.
• 유사도 지수와 랜덤 변수의 결합 의존성 간의 관계를 탐색하기 위해.
• 다양한 실체 간의 구조적 관계를 수량화하기 위해 세 집합의 연결 지수를 개발하기 위해.

제안 방법

• 집합 포함성을 정량화하기 위해 내부성 지수(중첩 지수)를 도입하고, 이를 Jaccard 지수와 제곱근을 통해 조합하여 공명 지수를 구성한다.
• 집합의 기수 대신 영역 면적을 사용하여 연속 집합에 대해 Jaccard 지수를 적응시켜 기하학적 및 공간 데이터에 적용할 수 있도록 한다.
• 연속 도메인에서 최소(교차) 및 최대(합집합) 연산의 적분을 사용하여 다중집합과 실수값 함수에 대해 지수를 확장한다.
• 일반화된 Jaccard 지수와 공명 지수를 확률 밀도 함수, 사인파 함수, 실세계 이미지 간 비교에 적용한다.
• 한 집합을 다리로 사용하여 세 집합에 대한 연결 지수를 제안하며, 중간 집합과 다른 두 집합과의 교차의 합집합 간의 Jaccard 유사도를 계산한다.
• 정규선에 대한 산점도에서 Jaccard, 내부성, 공명 지수의 행동을 시각화한다.

실험 결과

연구 질문

• RQ1 Jaccard 지수를 어떻게 개선하여 겹침 외에도 한 집합이 다른 집합 내부에 얼마나 상대적으로 포함되어 있는지를 반영할 수 있는가?
• RQ2 Jaccard 지수를 확률 밀도나 이미지 강도와 같은 연속 집합과 스칼라 장으로 일반화할 수 있는가?
• RQ3 Jaccard 지수와 공명 지수는 두 랜덤 변수 간의 결합 의존성을 얼마나 정량화하는 데에 적용될 수 있는가?
• RQ4 유사도 지수는 두 개 이상의 집합을 다룰 수 있도록 어떻게 확장될 수 있으며, 특히 구조적 연결 측면에서 어떻게 되는가?
• RQ5 데이터 모델링과 패턴 인식에서 표준 Jaccard 지수에 비해 공명 지수를 사용할 때의 계산적·개념적 이점은 무엇인가?

주요 결과

• 공명 지수(즉, Jaccard 지수와 내부성 지수의 곱의 제곱근으로 정의됨)는 Jaccard 지수만으로 사용할 때보다 더 엄격하고 선택적인 유사도 측정을 제공한다.
• 연속 집합의 경우, 집합 기수 대신 영역 면적을 사용함으로써 Jaccard 지수와 공명 지수를 직접 적용할 수 있게 되어 기하학적 및 공간적 맥락에서의 유사도 정량화가 가능해진다.
• 다중집합과 스칼라 장에 대한 일반화된 Jaccard 지수에서는 연속 도메인에서 최소 및 최대 연산의 적분을 사용하여 사인파 함수나 실세계 이미지와 같은 함수 간 비교가 가능해진다.
• 공명 지수를 사용하여 비정규화되고 부호가 있는 함수(예:余弦 및 사인 함수) 간 비교에 성공적으로 적용되었으며, 음수 데이터를 초월한 강건성을 입증하였다.
• 세 집합에 대한 연결 지수는 J(B, (A∩B) ∪(B∩C)) × (1 − J(A,C))로 정의되었으며, 특정 예시에서 6/7의 값을 얻어 A, B, C 간 강한 구조적 연결성을 나타내었다.
• 논문은 Jaccard 및 공명 지수와 같은 유사도 지수를 랜덤 변수 간의 공동 변동을 정량화하는 데 사용할 수 있음을 보여주었으며, 특정 맥락에서 피어슨 상관계수의 대안이 될 수 있음을 시사한다.