[論文レビュー] Group Synchronization on Grids

Emmanuel Abbé, Laurent Massoulié+3 more|arXiv (Cornell University)|Jun 26, 2017

Medical Imaging Techniques and Applications被引用数 8

ひとこと要約

本稿は、d次元グリッド上の群同期を検討し、弱復元（weak recovery）に注目する。すなわち、遠く離れた群要素を、完全にランダムな推定よりもよく推定できるかを問う。d ≥ 3 および特定の有限群に対して、ノイズが小さいときには弱復元が可能であることを証明するが、U(1) のような連続群では、d = 2 において、長距離相関および位相的障害のため、ノイズが小さくても弱復元は不可能である。

ABSTRACT

Group synchronization requires to estimate unknown elements $({\ heta}_v)_{v\\in V}$ of a compact group ${\\mathfrak G}$ associated to the vertices of a graph $G=(V,E)$, using noisy observations of the group differences associated to the edges. This model is relevant to a variety of applications ranging from structure from motion in computer vision to graph localization and positioning, to certain families of community detection problems. We focus on the case in which the graph $G$ is the $d$-dimensional grid. Since the unknowns ${\\boldsymbol \ heta}_v$ are only determined up to a global action of the group, we consider the following weak recovery question. Can we determine the group difference ${\ heta}_u^{-1}{\ heta}_v$ between far apart vertices $u, v$ better than by random guessing? We prove that weak recovery is possible (provided the noise is small enough) for $d\\ge 3$ and, for certain finite groups, for $d\\ge 2$. Viceversa, for some continuous groups, we prove that weak recovery is impossible for $d=2$. Finally, for strong enough noise, weak recovery is always impossible.

研究の動機と目的

• d次元グリッド上の群同期における弱復元が、どのような条件下で可能かを特定すること。ここで、目的は、遠く離れた頂点間の群差を、完全にランダムな推定よりもよく推定することにある。
• 群の構造、ノイズレベル、次元性が弱復元の可能性に与える影響の相互作用を分析すること。
• 弱復元の鋭い閾値を確立し、有限群と連続群の違い、および d = 2 と d ≥ 3 の違いを明確にすること。
• 無限グラフ上の同期において、位相的性質と長距離相関の役割について未解決の問題を解消すること。

提案手法

• 著者たちは、d次元グリッド Z^d 上での群同期をモデル化し、各頂点 v に未知の群要素 θ_v ∈ G が関連付けられ、各辺 (u,v) が Y_uv ≈ θ_u^{-1}θ_v のノイズ付き観測値を提供することを仮定する。
• 推定された群差の分布がハア測度にどれほど近いかを定量化するために、確率的カップリングと全 Variation 距離を用いる。
• U(1) が d = 2 に存在する場合、u で 1 から v で 0 に減少する関数 h(x) を構成し、回転摂動 θ_x^{(s)} = e^{is}θ_x を用いて、尤度がグローバル位相シフトに対してどれほど感度があるかを分析する。
• 分布の変化を捉える関数 ψ(s) を用いて、回転させた分布と元の分布の L2 距離を評価し、それが s に対して2次的に増加することを示す。
• 回転させた分布と元の分布の間の全 Variation 距離に対する上限を導出し、L が u と v の間の距離であるとき、O(1/log L) のオーダーで減少することを示す。
• ランダムな回転 s ∈ [0, 2π) で平均化することで、推定された群差の期待分布が一様分布に近いかつ、弱復元が不可能であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 群が有限群で d ≥ 3 のとき、d次元グリッド上の群同期において弱復元は可能か？
• RQ2 ノイズが非常に小さい場合でも、U(1) のような連続群に対して d = 2 で弱復元は達成可能か？
• RQ3 次元 d は弱復元の可能性にどのように影響するか。特に d = 2 と d ≥ 3 の違いをどのように分けるか？
• RQ4 長距離相関と位相的障害は、無限グリッド上での同期にどのように影響するか？
• RQ5 ノイズレベルが閾値を超えると、次元や群の種類に関わらず弱復元が不可能になる鋭い閾値が存在するか？

主な発見

• ノイズレベルが臨界閾値未満のとき、d ≥ 3 および特定の有限群に対して弱復元が可能である。
• d = 2 および U(1) のような連続群では、ノイズがどれほど小さくても、位相的障害および長距離相関のため、弱復元は不可能である。
• 推定された群差とハア測度との間の全 Variation 距離は、u と v の間の距離 L に対して O(1/log L) のオーダーで減少し、推定の精度が距離に依存しないことを示す。
• U(1) が d = 2 に存在する場合、L → ∞ であっても TV 距離の上限が 0 から離れているため、推定結果は一様ノイズと区別できない。
• U(1) が d = 2 に存在する場合、ノイズが対称的で群が連続的である限り、ノイズレベルにかかわらず弱復元の不可能性は成り立つ。
• 本稿では、有限群と連続群の間で、グリッド上での同期可能性に明確な違いを示し、有限群は d ≥ 2 で弱復元を可能とするが、連続群は d ≥ 3 のみで可能であることを確立した。