[論文レビュー] Low Rank Representation on Grassmann Manifolds: An Extrinsic Perspective

Boyue Wang, Yongli Hu+3 more|arXiv (Cornell University)|Apr 8, 2015

Face and Expression Recognition参考文献 45被引用数 10

ひとこと要約

本稿では、対数写像を用いた接空間写像を活用することで、Grassmann多様体上の部分空間クラスタリングに低ランク表現（LRR）を拡張する内挿的アプローチであるGrassmann低ランク表現（GLRR）を提案する。各Grassmann点の接空間における自己表現を定式化することにより、GLRRは画像集合および動画データの非線形構造を効果的に捉え、MNIST、YTC、DynTex++データセットにおいて最先端のクラスタリング精度を達成し、MNISTでは98.33%、YTCでは69.19%の精度を記録。PLRRNCutやPNCutといった既存手法を上回る性能を発揮した。

ABSTRACT

Many computer vision algorithms employ subspace models to represent data. The Low-rank representation (LRR) has been successfully applied in subspace clustering for which data are clustered according to their subspace structures. The possibility of extending LRR on Grassmann manifold is explored in this paper. Rather than directly embedding Grassmann manifold into a symmetric matrix space, an extrinsic view is taken by building the self-representation of LRR over the tangent space of each Grassmannian point. A new algorithm for solving the proposed Grassmannian LRR model is designed and implemented. Several clustering experiments are conducted on handwritten digits dataset, dynamic texture video clips and YouTube celebrity face video data. The experimental results show our method outperforms a number of existing methods.

研究の動機と目的

• Grassmann多様体上に表現されるデータに古典的LRRを適用する課題に対処すること。ここでは、通常のEuklid空間における自己表現が直接適用できない。
• Grassmann多様体上の各点の接空間で作業することで、部分空間の内在的構造を保持する幾何学的に整合性のある手法を開発すること。
• LRRフレームワークを非線形かつ高次元の部分空間として表現されるデータに拡張し、動画クリップや画像集合のような複雑なデータにおける頑健な部分空間クラスタリングを可能にすること。
• PNCut や PLRRNCut といった既存の多様体ベースクラスタリング手法を上回る性能を発揮するため、LRRフレームワークにGrassmann幾何学を統合すること。

提案手法

• 対数写像を用いてGrassmann多様体上の点をそれぞれの接空間に射影し、局所的なEuklid空間近似における線形演算（例：自己表現）を可能にする。
• 自己表現を接空間で定式化し、各部分空間を他の部分空間の線形結合として表現することで、表現行列の低ランク構造を保持する。
• GLRRモデルは、多様体制約を扱えるように適合された交替方向スラグ法（ADMM）アルゴリズムにより解かれる。低ランク項とスparser項の最適化が同時に実行される。
• 全Grassmann多様体を対称行列空間に埋め込むのを避ける代わりに、接空間幾何学を用いた局所的処理により、計算効率と幾何的忠実性を確保する。
• 動画データの場合は、空間的文脈を保持する場合にLBP-TOP特徴を用いてGrassmann点を構築する。顔データの場合は、SVDに基づく次元削減を用いて部分空間を形成する。
• 正則化パラメータλを用いて最適化を行う。λは経験的に調整され（例：GLRRではλ=0.3、PLRRではλ=0.5）、低ランク性と表現忠実性のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 LRRの自己表現原理は、Grassmann多様体上に表現される部分空間データへと効果的に拡張可能か？
• RQ2 対数写像による接空間の利用は、対称行列空間への直接埋め込みと比較して、より正確で幾何学的に一貫性のある表現を提供するか？
• RQ3 実世界の画像集合および動画データにおいて、PNCut や PLRRNCut、GK-means といった既存手法と比較して、GLRRは部分空間クラスタリングでどの程度の性能を示すか？
• RQ4 GLRRモデルは、動的テクスチャやYouTubeの有名人顔動画といった複雑で高次元のデータを処理でき、内在的な多様体構造を保持できるか？

主な発見

• MNISTデータセットでは、提案手法GLRRが98.33%のクラスタリング精度を達成し、PK-means（71%）、PNCut（86.75%）、PLRRNCut（85.52%）を大きく上回った。
• YTC有名人顔データセットでは、GLRRが69.19%の精度を記録し、PNCut（51.89%）とPLRRNCut（20.20%）を上回り、困難な顔動画データに対しても頑健であることが示された。
• DynTex++データセットにおける動的テクスチャクラスタリングでは、全テストクラス数（K=3～10）において、競合手法と比較して10ポイント以上の高い精度を達成。性能は一貫して優れていた。
• この手法の性能優位性は、LRRにGrassmann多様体幾何学を効果的に統合したことに起因する。これは、PNCut や PLRRNCut といったEuklid距離に基づく手法よりも、部分空間の内在的関係をより適切に捉えている。
• 結果から、GLRRは手書き数字、動的テクスチャ、顔動画など多様なデータタイプにおいて安定的かつ効果的であることが示され、強力な一般化能力を有していることが明らかになった。