[논문 리뷰] Stability of multidimensional persistent homology with respect to domain perturbations

Patrizio Frosini, Claudia Landi|arXiv (Cornell University)|2010. 01. 07.

Topological and Geometric Data Analysis참고 문헌 17인용 수 5

한 줄 요약

이 논문은 거리 함수를 통해 집합의 변형을 함수의 변형으로 환원함으로써 도메인의 변형에 대한 다차원 지속 homology의 안정성을 확립한다. 다차원 매칭 거리가 캄프랙트 집합 간의 하우스도르프 거리, 대칭 차이 거리, 그리고 상한 거리에 의해 상한으로 제한됨을 증명함으로써, 다양한 도메인 왜곡 상황에서도 기하 형태 분석의 안정성을 확보하면서 원래의 위상 정보를 유지한다.

ABSTRACT

Motivated by the problem of dealing with incomplete or imprecise acquisition of data in computer vision and computer graphics, we extend results concerning the stability of persistent homology with respect to function perturbations to results concerning the stability with respect to domain perturbations. Domain perturbations can be measured in a number of different ways. An important method to compare domains is the Hausdorff distance. We show that by encoding sets using the distance function, the multidimensional matching distance between rank invariants of persistent homology groups is always upperly bounded by the Hausdorff distance between sets. Moreover we prove that our construction maintains information about the original set. Other well known methods to compare sets are considered, such as the symmetric difference distance between classical sets and the sup-distance between fuzzy sets. Also in these cases we present results stating that the multidimensional matching distance between rank invariants of persistent homology groups is upperly bounded by these distances. An experiment showing the potential of our approach concludes the paper.

연구 동기 및 목표

• 실제 응용에서 노이즈 또는 완전하지 않은 데이터를 다룰 때 도메인(위상 공간)이 변형될 경우 지속 homology의 안정성 부족 문제를 해결하기 위해.
• 이전에 함수의 변형에 국한되어 있던 기존의 안정성 결과를 기하학적 왜곡이나 이방성 요소를 포함한 도메인 자체의 변형으로 확장하기 위해.
• 집합을 거리 함수로 표현함으로써 도메인의 변형 문제를 함수의 변형 문제로 환원하는 일반적인 프레임워크를 개발하기 위해.
• 도메인의 변형 이후에도 원래 도메인의 지속 homology가 복원 가능함을 보장하여 위상 정보를 유지하기 위해.

제안 방법

• 고정된 도메인 $D$ 위에서 정의된 거리 함수 $f_K$를 사용해 컴팩트 집합 $K$를 대체함으로써 도메인의 변형을 함수의 변형으로 전환한다.
• 원래의 함수 $\vec{\varphi}$가 $K$ 위에 정의되어 있는 바, $D$ 위에서 다중 매개변수 측정 함수 $\vec{\Phi} = (f_K, \vec{\varphi})$를 구성함으로써 기존의 함수 변형에 대한 안정성 결과를 적용할 수 있도록 한다.
• 지속 homology 군의 랭크 불변량을 비교하기 위해 다차원 매칭 거리를 사용하며, 이는 소규모 함수의 변형에 대해 안정적이다.
• 거리 함수를 사용할 경우, 랭크 불변량 간의 다차원 매칭 거리가 하우스도르프 거리에 의해 상한으로 제한됨을 증명한다.
• 적절한 함수를 정의하여 대칭 차이 거리에 대한 접근을 확장한다.
• 소속 함수 간의 상한 거리를 사용하여 흐린 집합(fuzzy sets)에 대해 동일한 전략을 적용함으로써, 흐린 변형 상황에서도 안정성을 확보한다.

실험 결과

연구 질문

• RQ1 함수의 도메인이 변형될 경우, 함수 값의 변형이 아닌 도메인의 변형에 대해서도 지속 homology가 안정성을 유지할 수 있는가?
• RQ2 거리 함수를 사용하여 도메인을 표현할 경우, 두 컴팩트 집합 간의 하우스도르프 거리에 의해 다차원 매칭 거리가 랭크 불변량 간에 상한으로 제한되는가?
• RQ3 제안된 방법은 도메인의 변형 이후에도 원래의 위상 정보를 유지하는가?
• RQ4 대칭 차이 거리로 측정되는 도메인의 변형에 대해서도 안정성이 확보되는가? (이러한 거리는 이방성 요소 탐지에 널리 사용된다.)
• RQ5 확률적 또는 불확실한 데이터 환경에서 중요한 흐린 집합에 대해서도 상한 거리 기반의 변형에 대해 안정성이 확보되는가?

주요 결과

• 거리 함수를 사용하여 집합를 표현할 경우, 두 컴팩트 집합 $K_1$과 $K_2$의 랭크 불변량 간의 다차원 매칭 거리는 이들의 하우스도르프 거리에 의해 상한으로 제한된다.
• 원래 집합 $K$의 지속 homology 군은 함수 $\vec{\Phi} = (f_K, \vec{\varphi})$의 지속 homology로부터 완전히 복원 가능하며, 위상 정보 손실이 없다.
• 대칭 차이 거리의 경우, 랭크 불변량 간의 다차원 매칭 거리는 이 거리에 의해 상한으로 제한되며, 집합 차이 변형에 대한 안정성을 입증한다.
• 상한 거리 기반의 경우, 방법은 흐린 집합에 대해 안정성을 보장하며, 매칭 거리는 소속 함수 간의 상한 거리에 의해 상한으로 제한된다.
• 실험 결과, 랭크 불변량 $\rho_{(K_1,\varphi_{|K_1}),0}(-100,-80)$은 여러 매개변수 조합에서 일관되게 8로 근사됨을 확인하여 수치적 안정성을 입증하였다.
• $\alpha = 0$일 경우, $Adm_2$ 도메인 내 경계 불안정성으로 인해 계산이 신뢰할 수 없어지며, 특이 매개변수 값 근처의 수치적 한계를 드러낸다.