[논문 리뷰] Manifold Data Analysis with Applications to High-Frequency 3D Imaging

Hyun Bin Kang, Matthew Reimherr외 2명|arXiv (Cornell University)|2017. 10. 04.

Face and Expression Recognition참고 문헌 32인용 수 6

한 줄 요약

이 논문은 3차원 얼굴 만곡체를 기능적 객체로 간주하여 통계 분석을 수행하는 기능적 자료 분석의 새로운 하위 분야인 만곡체 자료 분석(MDA)을 소개한다. 변형 맵과 만곡체 학습을 결합함으로써 MDA는 2단계 기능적 주성분 분석과 만곡체-스칼라 회귀를 가능하게 하여, 6,564명의 개인을 대상으로 한 3차원 영상 연구에서 연령과 유전적 조상이 얼굴 형태에 미치는 영향을 높은 공간 해상도로 드러낸다.

ABSTRACT

Many scientific areas are faced with the challenge of extracting information from large, complex, and highly structured data sets. A great deal of modern statistical work focuses on developing tools for handling such data. This paper presents a new subfield of functional data analysis, FDA, which we call Manifold Data Analysis, or MDA. MDA is concerned with the statistical analysis of samples where one or more variables measured on each unit is a manifold, thus resulting in as many manifolds as we have units. We propose a framework that converts manifolds into functional objects, an efficient 2-step functional principal component method, and a manifold-on-scalar regression model. This work is motivated by an anthropological application involving 3D facial imaging data, which is discussed extensively throughout the paper. The proposed framework is used to understand how individual characteristics, such as age and genetic ancestry, influence the shape of the human face.

연구 동기 및 목표

• 형태 분석과 기능적 자료 분석을 융합하여 고해상도 3차원 만곡체 자료(예: 얼굴 표면)를 분석하기 위한 새로운 통계적 프레임워크를 개발하는 것.
• 연령과 유전적 조상과 같은 공변량을 고려하면서도 3차원 얼굴 만곡체를 결과로 직접 모델링할 수 있는 회귀 방법의 부재를 해결하는 것.
• 요약 통계나 특징점으로 줄이지 않고도 복잡하고 매끄럽고 밀도 높은 3차원 얼굴 자료를 분석할 수 있도록 하는 것.
• 3차원 얼굴 기하학에서의 본질적 자료 정규성(regularity)을 활용하는 유연하고 매끄럽고 통계적으로 효율적인 접근을 제공하는 것.

제안 방법

• 변형 맵과 만곡체 학습을 사용하여 각 3차원 얼굴 만곡체를 매끄럽고 매개변수화된 도메인을 갖는 기능적 객체로 변환한다.
• 공간적 매끄러움과 얼굴 만곡체의 구조를 유지하면서 차원을 감소시키기 위해 2단계 기능적 주성분 분석(FPCA)을 적용한다.
• 스칼라 공변량(예: 연령, 성별, 유전적 조상)이 3차원 얼굴 형태에 미치는 영향을 평가하기 위해 만곡체-스칼라 회귀 모델을 개발한다.
• 기능적 객체를 표현하기 위해 FELSPLINE 기저 함수를 사용하여 표면 전반에서 효율적인 계산과 매끄러운 보간을 가능하게 한다.
• 전체 얼굴에 걸쳐 다중 검정 보정을 위해 신뢰 구름(confidence bubbles)을 활용하여 통계적으로 유의미한 형태 변동 영역을 식별한다.
• 일반화된 프로크라스터스 정렬과 준특징점 대응(quasi-landmark correspondence)을 사용하여 모든 3차원 얼굴 표면 간에 해부학적 동일성(orthology)을 확보한다.

실험 결과

연구 질문

• RQ1 3차원 얼굴 만곡체는 어떻게 효과적으로 기능적 자료 객체로 변환되어 통계 분석에 활용될 수 있는가?
• RQ2 만곡체-스칼라 회귀 모델을 통해 인간 얼굴의 기하학적 형태에 연령과 성별이 미치는 영향은 어떠한가?
• RQ3 유전적 조상(예: 북유럽계, 동아시아계, 서아프리카계)은 고해상도에서 얼굴 형태에 어떻게 영향을 미치는가?
• RQ4 다중 검정 보정을 고려한 후, 인구통계학적 및 유전적 공변량으로 인해 형태에 통계적으로 유의미한 변동을 보이는 얼굴 부위는 어디인가?
• RQ5 기능적 자료 분석 기법은 주로 곡선이나 표면이 아니라 만곡체인 자료에 의미 있게 확장될 수 있는가?

주요 결과

• 2단계 FPCA 방법은 얼굴 형태 변동의 주요 모드를 성공적으로 포착하였으며, 첫 두 성분이 3차원 얼굴 자료의 총 변동의 상당 부분을 설명하였다.
• 만곡체-스칼라 회귀 모델은 성별이 얼굴 형태에 유의미한 영향을 미친다는 것을 드러내었으며, 여성은 둥근 턱과 눈을, 남성은 더 두드러진 코를 보였다.
• 동아시아계 조상의 영향은 더 둥근 얼굴 윤곽, 낮은 코, 덜 두드러진 눈썹을 특징으로 하였으며, 이는 이마, 코, 턱 부위에서 통계적으로 유의미한 차이로 확인되었다.
• 서아프리카계 조상의 영향은 코와 입 부위에서 가장 두드러졌으며, 평평하고 넓은 코와 더 돌출된 입술을 특징으로 하였으며, 99% 신뢰수준에서 유의미한 것으로 확인되었다.
• 전반적인 유의미성 플롯에서 신뢰 구름을 사용하여 코, 턱, 이마와 같은 주요 해부학적 부위가 여러 공변량에 걸쳐 일관되게 유의미한 것으로 밝혀졌으며, 다중 검정 보정 후에도 동일하게 유지되었다.
• FELSPLINE 기저 함수를 통한 기능적 표현은 특정 공변량 프로파일을 가진 개인(예: 30세, 키 170cm, 체중 70kg인 남성 또는 여성)의 얼굴 형태를 정확하게 예측할 수 있도록 하였다.