[논문 리뷰] Partition-based sampling of warp maps for curve alignment

Karthik Bharath, Sebastian Kurtek|arXiv (Cornell University)|2017. 08. 16.

Point processes and geometric inequalities인용 수 1

한 줄 요약

이 논문은 연속 단조 곡선 정렬에서 워프 맵에 대한 파artition 기반 샘플링 방법을 소개한다. 점 과정 이론을 활용하여 [0,1]과 단위 원 𝕊¹ 상의 워프 맵에 대한 유연한 분포를 정의한다. 이 방법은 기준점 제약이 있는 정렬 문제를 제약이 없는 문제들로 분해할 수 있게 하고, ℝᵏ (k=1,2,3)에서 열린 곡선과 닫힌 곡선에 대한 스토하스틱 변분 추론 및 베이지안 모델링을 지원한다.

ABSTRACT

We propose a flexible sampling method for warp maps used in continuous monotone pairwise alignment of open and closed curves, possibly with landmark constraints. Using the point process machinery, we conduct a detailed study of the sampling method and demonstrate that it prescribes a distribution on the set of warp maps of $[0,1]$ and the unit length circle $\mathbb{S}^1$. The distribution (1) possesses the desiderata for decomposition of the alignment problem with landmark constraints into multiple unconstrained ones, and (2) can be centered at a desired warp map. It is based on random partitions of $[0,1]$ and $\mathbb{S}^1$ and contains a global regularization parameter, both of which enable the sampling of a rich class of warp maps. The distribution can be related to the Dirichlet process on the set of probability measures. Practical utility of the sampling method is demonstrated through (1) a novel stochastic variational algorithm, and (2) a Bayesian model for alignment, for closed and open curves in $\mathbb{R}^k, k=1,2,3$.

연구 동기 및 목표

• 연속 단조 곡선 정렬에서 워프 맵에 대한 유연하고 확률적인 샘플링 프레임워크를 개발하기 위해.
• 기준점 제약이 있는 정렬 문제를 다수의 제약이 없는 부분 문제들로 분해할 수 있도록 하기 위해.
• 목표로 하는 맵에 중심을 두고, 전역 매개변수를 통해 정규화할 수 있는 워프 맵에 대한 분포를 정의하기 위해.
• ℝ¹, ℝ², ℝ³에서 곡선 정렬을 위한 실용적인 베이지안 추론 및 변분 알고리즘을 지원하기 위해.
• 제안된 분포와 확률 측도 위의 딜리클레 과정 사이의 연결 고리를 설정하기 위해.

제안 방법

• 도메인 [0,1]과 단위 원 𝕊¹의 무작위 파artition를 사용하여 워프 맵을 구성한다.
• 점 과정 기반 기법을 통해 워프 맵에 대한 분포를 정의하며, 단조성과 연속성을 보장한다.
• 전역 정규화 매개변수를 포함하여 샘플링된 워프 맵의 부드러움과 변동성을 제어한다.
• 분포를 특정 워프 맵에 중심을 두도록 허용하여 베이지안 모델에서 사전 분포를 설정할 수 있도록 한다.
• 워프 맵 분포와 확률 측도 위의 딜리클레 과정 사이의 이론적 연결 고리를 수립한다.
• 새로운 스토하스틱 변분 알고리즘과 곡선 정렬을 위한 베이지안 모델링을 지원하는 프레임워크.

실험 결과

연구 질문

• RQ1 기준점 제약이 있는 연속 단조 곡선 정렬을 위한, 유연하고 확률적인 워프 맵 샘플링 방법은 어떻게 구성할 수 있는가?
• RQ2 구조화된 워프 맵 분포를 사용하여 기준점이 있는 정렬 문제를 다수의 제약이 없는 부분 문제들로 분해할 수 있는가?
• RQ3 제안된 분포는 딜리클레 과정과 같은 기존의 확률 과정과 어떻게 관련이 있는가?
• RQ4 전역 정규화 매개변수는 샘플링된 워프 맵의 공간을 어떻게 형상화하는가?
• RQ5 제안된 방법은 스토하스틱 변분 추론 및 곡선 정렬을 위한 베이지안 모델링에 어떻게 효과적으로 활용될 수 있는가?

주요 결과

• 제안된 샘플링 방법은 [0,1]과 𝕊¹ 상의 단조 워프 맵에 대해 유효한 확률 분포를 정의하며, 정렬 분해를 위한 핵심 요구사항을 충족한다.
• 분포는 목표 워프 맵에 중심을 두며, 베이지안 추론에서 사전 분포 설정을 가능하게 한다.
• 이 방법은 기준점 제약이 있는 정렬 문제를 다수의 제약이 없는 문제들로 분해할 수 있게 하여 추론을 단순화한다.
• 분포는 확률 측도 공간 위의 딜리클레 과정과 이론적으로 연결되어 있다.
• 스토하스틱 변분 알고리즘이 개발되었으며, 제안된 모델에서의 추론에 효과적임을 입증하였다.
• 프레임워크는 ℝ¹, ℝ², ℝ³에서 열린 곡선과 닫힌 곡선에 대해 실용적으로 적용 가능하며, 베이지안 정렬 모델에서의 유용성이 입증되었다.