[논문 리뷰] Intrinsic Interleaving Distance for Merge Trees

Ellen Gasparovic, Elizabeth Munch외 4명|arXiv (Cornell University)|2019. 07. 31.

Topological and Geometric Data Analysis참고 문헌 48인용 수 19

한 줄 요약

이 논문은 레이블이 있는 및 레이블이 없는 병합 트리에 대해 상호 끼워넣기 거리가 본질적임을 입증한다. 즉, 두 병합 트리 사이의 거리는 메트릭 공간 내에서 그들을 연결하는 경로들의 길이의 하한값과 동일하다. 저자들은 레이블이 있는 병합 트리의 1-센터(지오데식 중점)를 계산하는 알고리즘을 제시하여, 위상 요약에 대한 통계 분석을 가능하게 한다.

ABSTRACT

Merge trees are a type of graph-based topological summary that tracks the evolution of connected components in the sublevel sets of scalar functions. They enjoy widespread applications in data analysis and scientific visualization. In this paper, we consider the problem of comparing two merge trees via the notion of interleaving distance in the metric space setting. We investigate various theoretical properties of such a metric. In particular, we show that the interleaving distance is intrinsic on the space of labeled merge trees and provide an algorithm to construct metric 1-centers for collections of labeled merge trees. We further prove that the intrinsic property of the interleaving distance also holds for the space of unlabeled merge trees. Our results are a first step toward performing statistics on graph-based topological summaries.

연구 동기 및 목표

• 레이블이 있는 및 레이블이 없는 병합 트리에 대해 상호 끼워넣기 거리가 본질적인지 여부를 규명함으로써, 위상 요약에 대한 통계 분석을 위한 핵심 조건을 확보한다.
• 상호 끼워넣기 거리를 사용하여 레이블이 있는 병합 트리 공간에서 1-센터(지오데식 중점)를 계산하는 알고리즘을 개발한다.
• 그래프 기반 위상 요약의 메트릭 성질에 대한 이론적 이해를 확장하며, 특히 과학적 데이터 분석 및 시각화 맥락에서의 적용을 고려한다.
• 계통수학, 초우르트라메트릭, 분류 트리의 개념을 위상 데이터 분석과 융합하여, 레이블이 있는 병합 트리가 특정 초우르트라메트릭 공간과 동치임을 보여준다.
• 병합 트리 공간에서 평균값과 지오데식을 계산하기 위한 기초 이론을 마련하여, 불확실성 정량화 및 앙상블 시각화와 같은 응용을 뒷받침한다.

제안 방법

• 레이블이 있는 병합 트리에 대해 범주론적 프레임워크를 사용하여 상호 끼워넣기 거리 $d_I$ 를 정의한다. 이는 병합 트리를 실수의 부분순서집합에서 집합의 범주로의 함자로 간주함으로써 이루어진다.
• 모든 레이블이 있는 병합 트리 $T, T'$ 에 대해 $\hat{d}_I(T, T') = d_I(T, T')$ 를 만족하는, $d_I$ 가 유도하는 본질적 거리 $\hat{d}_I$ 가 성립함을 증명함으로써 본질성의 성립을 입증한다.
• 상호 끼워넣기 거리의 $L_\infty$-행렬 표현을 활용하여 두 레이블이 있는 병합 트리 사이의 지오데식 경로를 구성한다.
• 행렬 표현을 이용해 유한한 레이블이 있는 병합 트리 집합의 1-센터를, 집합 내 모든 트리와의 최대 상호 끼워넣기 거리의 최소화자로 계산한다.
• 정점 레이블이 없더라도 본질적 거리 $\hat{d}_I$ 가 $d_I$ 와 일치함을 보여, 레이블이 없는 병합 트리로의 본질성 결과를 확장한다.
• 초우르트라메트릭 공간 및 분류 트리와의 연결 고리를 활용하여, 레이블이 있는 병합 트리를 함수 값에 의해 유도된 경로 길이 거리가 있는 가중치가 부여된 분류 트리로 해석한다.

실험 결과

연구 질문

• RQ1 레이블이 있는 병합 트리 공간에서 상호 끼워넣기 거리가 본질적인가? 즉, 트리 간의 거리가 그들을 연결하는 경로들의 길이의 하한값과 동일한가?
• RQ2 유한한 레이블이 있는 병합 트리 집합에 대해 상호 끼워넣기 거리 하에서 1-센터(지오데식 중점)를 효율적으로 계산할 수 있는가?
• RQ3 정점 레이블이 없음에도 불구하고, 상호 끼워넣기 거리의 본질성 성질이 레이블이 없는 병합 트리에 대해서도 성립하는가?
• RQ4 봉쇄 거리 $d_B$ 가 본질적 거리 $\hat{d}_B$ 를 유도할 수 있으며, 이는 상호 끼워넣기 거리의 본질적 거리 $\hat{d}_I$ 와 동치인가?
• RQ5 병합 트리에 대한 결과들이 라인 컨투어 트리로 얼마나 넓게 확장될 수 있는가? 특히 조인 트리와 스플릿 트리 분해를 통한 중점 계산 맥락에서.

주요 결과

• 레이블이 있는 병합 트리 공간에서 상호 끼워넣기 거리 $d_I$ 는 본질적이다. 즉, 모든 레이블이 있는 병합 트리 쌍 $T, T'$ 에 대해 $\hat{d}_I(T, T') = d_I(T, T')$ 이다.
• 상호 끼워넣기 거리 하에서 유한한 레이블이 있는 병합 트리 집합의 1-센터를 계산하는 명시적 알고리즘이 제시된다. 이는 $L_\infty$-행렬 표현을 기반으로 한다.
• 정점 레이블이 없더라도 상호 끼워넣기 거리의 본질성 성질은 레이블이 없는 병합 트리에 대해서도 성립한다.
• 논문은 레이블이 있는 병합 트리와 초우르트라메트릭 공간 사이의 연결 고리를 확립하며, 이들이 등장사상 하에서 유한한 초우르트라메트릭 공간과 동치임을 보여준다.
• 저자들은 봉쇄 거리 $d_B$ 가 유도하는 본질적 거리 $\hat{d}_B$ 가 $\hat{d}_I$ 와 동치일 것이라 추측하며, 이는 $d_B$ 도 본질적일 수 있음을 시사한다.
• 이론적 결과들은 향후 병합 트리의 지오데식과 구조 평균 계산에 대한 응용을 뒷받침하며, 불확실성 시각화 및 점군 분류 분야의 후속 연구에서 이를 실증적으로 보여주었다.