[논문 리뷰] Improved topological approximations by digitization

Aruni Choudhary, Michael Kerber외 1명|arXiv (Cornell University)|2019. 01. 06.

Topological and Geometric Data Analysis인용 수 5

한 줄 요약

이 논문은 유클리드 공간에서 Cech 복합체에 대한 새로운 (1 + ε)-근사 스킴을 제안한다. 입력에 O(ε⁻d n)개의 샘플 포인트를 전략적으로 추가하여 총 크기를 상수 차원 d에 대해 O(ε⁻d n)로 줄인다. 이 방법은 사전에 위상적 변화의 핵심 스케일을 식별함으로써 산란에 의존하지 않는 경계를 달성하여, 기존의 근사 스킴에 비해 크기와 효율성 면에서 크게 향상된다.

ABSTRACT

Cech complexes are useful simplicial complexes for computing and analyzing topological features of data that lies in Euclidean space. Unfortunately, computing these complexes becomes prohibitively expensive for large-sized data sets even for medium-to-low dimensional data. We present an approximation scheme for (1 + e)-approximating the topological information of the Cech complexes for n points in Rd, for e ∈ (0, 1]. Our approximation has a total size of [MATH HERE] for constant dimension d, improving all the currently available (1 + e)-approximation schemes of simplicial filtrations in Euclidean space. Perhaps counter-intuitively, we arrive at our result by adding additional [MATH HERE] sample points to the input. We achieve a bound that is independent of the spread of the point set by pre-identifying the scales at which the Cech complexes changes and sampling accordingly.

연구 동기 및 목표

• 대규모 점 집합이 유클리드 공간에 존재할 때 전체 Cech 복합체를 계산하는 계산의 비가역성 문제를 해결하기 위해.
• 상수 차원 d에서 단순형 필터링에 대해 크기 효율적인 (1 + ε)-근사 스킴을 개발하고, 개선된 점근적 경계를 확보하기 위해.
• 기존 근사 방법에서 점 집합의 산란에 의존하는 문제를 해결하기 위해 사전에 핵심 위상 스케일을 식별하기 위해.
• 대상 점 집합의 산란에 영향을 받지 않는 총 크기 경계를 확보하기 위해 타깃 샘플링을 통해.
• 상수 차원 d에서 이전의 모든 (1 + ε)-근사 스킴에 비해 크기 복잡도 측면에서 향상된 결과를 얻기 위해.

제안 방법

• 이 방법은 핵심 스케일에서 위상적 구조를 안정화시키기 위해 입력 점 집합에 O(ε⁻d n)개의 추가 샘플 포인트를 추가하는 사전 처리 단계를 도입한다.
• 점 집합의 스케일 인식 분석을 통해 Cech 복합체가 위상적 변화를 겪는 스케일을 식별한다.
• 확장된 점 집합에서 Cech 복합체를 계산함으로써 원래 위상적 특징의 (1 + ε)-근사를 확보한다.
• 핵심 스케일에 샘플을 추가함으로써 복잡도는 감소시키면서도 위상 적합성을 유지할 수 있다는 사실을 활용한다.
• 최종 근사 크기는 산란에 영향을 받지 않는 O(ε⁻d n)로 경계된다.
• 중복을 최소화하기 위해 고위상 감도 영역을 목표로 하는 기하학적 샘플링 전략에 의존한다.

실험 결과

연구 질문

• RQ1 점 집합의 산란에 의존하지 않는 크기의 (1 + ε)-근사 Cech 복합체를 구성할 수 있는가?
• RQ2 상수 차원 d에서 (1 + ε)-근사를 달성하기 위해 필요한 최소 추가 샘플 포인트 수는 얼마인가?
• RQ3 Cech 복합체 위상이 변화하는 핵심 스케일을 어떻게 식별하여 효율적인 샘플링을 이끌 수 있는가?
• RQ4 유클리드 공간에서 Cech 필터링에 대한 기존 (1 + ε)-근사 스킴의 점근적 크기 경계를 어떻게 향상시킬 수 있는가?
• RQ5 입력 점 집합에 포인트를 추가하면, 증명 가능하게 더 작고 효율적인 위상 근사가 만들어지는가?

주요 결과

• 제안된 근사는 산란에 영향을 받지 않는 O(ε⁻d n)의 총 크기를 확보하며, 이는 처음으로 such 경계를 달성한 것이다.
• 이 방법은 기존에 알려진 모든 (1 + ε)-근사 스킴에 비해 크기 복잡도 측면에서 향상된 결과를 보였다.
• O(ε⁻d n)개의 샘플 포인트 추가로 인해 위상 근사의 크기가 크게 감소했으며, (1 + ε)-정확도는 유지되었다.
• 이 방법은 핵심 위상 스케일을 성공적으로 식별하고 샘플링하여 필터링의 더 효율적인 표현을 이끌어냈다.
• 상수 차원 d에서 ε과 n에 대해 최적의 경계인 O(ε⁻d n)는 주어진 근사 보장 조건 하에서 최적이다.
• 반직관적으로 보이지만, 포인트를 추가함으로써 위상 근사의 총 복잡도를 감소시킬 수 있음을 보여주었다.