[논문 리뷰] Finding Outliers in Surface Data and Video

Mia Hubert, Jakob Raymaekers외 2명|arXiv (Cornell University)|2016. 01. 29.

Spectroscopy and Chemometric Analyses참고 문헌 13인용 수 3

한 줄 요약

이 논문은 다중 방향 모델링 후 원본 또는 잔차 데이터에 기능 조정 외곽도(fAO)를 적용하여 표면, 영상 및 영상 자료에서 이상치를 탐지하는 강건한 방법을 제안한다. 격자점 전체에서 외곽도를 계산하고 기능적 이상치 지도(FOM) 및 히트맵을 통해 결과를 시각화함으로써, 형광 스펙트럼, MRI 스캔 및 감시 영상에서 비정상적인 영역을 효과적으로 식별하며, 사람 등 일시적인 물체가 장면을 지나가는 경우에도 명확하게 탐지한다.

ABSTRACT

Surface, image and video data can be considered as functional data with a bivariate domain. To detect outlying surfaces or images, a new method is proposed based on the mean and the variability of the degree of outlyingness at each grid point. A rule is constructed to flag the outliers in the resulting functional outlier map. Heatmaps of their outlyingness indicate the regions which are most deviating from the regular surfaces. The method is applied to fluorescence excitation-emission spectra after fitting a PARAFAC model, to MRI image data which are augmented with their gradients, and to video surveillance data.

연구 동기 및 목표

• 표면, 영상 및 영상과 같은 이변량 영역을 가진 기능적 자료에서 이상치를 탐지하기 위한 강건하고 분포에 종속되지 않는 방법을 개발하는 것.
• 원본 자료가 아닌 PARAFAC 모델의 잔차에 기능 조정 외곽도(fAO)를 적용하여 미세한 이탈에 대한 민감도를 향상시켜 이상치 탐지 성능을 향상시키는 것.
• 기능적 이상치 지도(FOM) 및 외곽도 히트맵 시각화 기법을 이변량 영역을 가진 다변량 기능적 자료에 확장하여 이상치의 공간적 국소화를 해석 가능하게 하는 것.
• 실험적 데이터 세트인 자극-방출 형광 매트릭스, 기울기가 있는 MRI 영상 및 감시 영상 시퀀스를 대상으로 본 방법의 효과성을 입증하는 것.

제안 방법

• 이 방법은 표면 또는 영상의 모든 격자점에서의 단변량 조정 외곽도(AO) 값의 가중합으로 정의된 기능 조정 외곽도(fAO)를 사용하며, 기본적으로 균일한 가중치를 사용한다.
• 각 격자점에서의 AO는 중앙값에서의 편차를 강건한 측도로 계산하며, 중앙값 기준 양쪽의 척도를 별도로 추정함으로써 비대칭성을 고려한다.
• 다중 방향 자료의 경우, 자료에 PARAFAC 모델을 적합하고 잔차에 fAO를 계산하여 구조적 이상치 탐지 능력을 향상시킨다.
• 이 방법은 영상 경계나 에지와 같은 구조적 특징을 강화하기 위해 영상 기울기를 통합하여 이상치 탐지 능력을 향상시킨다. 이러한 특징은 의료 및 감시 영상에서 흔한 이질성 원인이다.
• fAO 값 기반으로 정상 표면와 이상 표면를 구분하는 컷오프 규칙을 도입하여 이상치를 객관적으로 식별할 수 있도록 한다.
• 기능적 이상치 지도(FOM) 및 AO 히트맵을 통해 표면 전반에 걸친 외곽도의 정도와 공간 분포를 시각화한다.

실험 결과

연구 질문

• RQ1 표면 및 영상과 같은 이변량 영역을 가진 다변량 기능적 자료에 대해 기능 조정 외곽도(fAO)를 효과적으로 확장할 수 있는가?
• RQ2 원본 자료를 분석하는 것과 비교해 PARAFAC 모델을 사용하여 자료를 모델링하고 잔차를 분석함으로써 이상치 탐지 성능이 얼마나 향상되는가?
• RQ3 기능적 이상치 지도(FOM) 및 AO 히트맵이 MRI 스캔 및 감시 영상과 같은 복잡한 실세계 자료에서 비정상 영역을 성공적으로 식별하고 국소화할 수 있는가?
• RQ4 영상 기울기의 통합과 강건한 척도 추정이 영상 자료에서 구조적 이상치 탐지 능력을 어떻게 향상시키는가?

주요 결과

• 형광 자극-방출 데이터 세트에서, PARAFAC 모델링 이후 유일한 이상 스펙트럼이 fAO 및 vAO 값이 높아서 이상치로 확인되었다.
• MRI 자료의 경우, AO 히트맵이 가장 이상적인 영상(사람 92번)에서 뇌 경계 근처에 뚜렷한 고외곽도 영역을 보여주었으며, 이는 구조적 이상소와 일치했다.
• 남성이 영상 프레임에 들어오고 나가는 것을 fAO 및 vAO 값의 변화 추적을 통해 탐지하였으며, 비정상 픽셀 비율이 가장 높았던 484–487 프레임에서 가장 높은 외곽도를 보였다.
• AO 히트맵은 각 프레임에서 남성의 위치를 명확히 국소화하였으며, 가장 진한 색상은 남성의 몸체가 배경과 겹치는 영역을 나타내어 공간 정확도를 확인했다.
• FOM은 남성이 시간이 지남에 따라 이동한 경로를 성공적으로 시각화하였으며, 그의 등장 전후에 고립된 이상치(프레임 483–484)가 나타났고, 그의 존재가 지속된 영역(프레임 488–500)은 지속적인 이상치로 나타났다.