[论文解读] Simplexwise Distance Distributions for finite spaces with metrics and measures

Vitaliy Kurlin|arXiv (Cornell University)|Mar 24, 2023

Image Retrieval and Classification Techniques被引用 5

一句话总结

本文提出了一种新型不变量——单纯形距离分布（SDD），用于在等距同构下对有限度量空间及度量-测度空间进行分类。通过分析所有点子集中的距离分布并引入权重，SDD 能够区分以往不变量无法分离的非等距空间，同时支持多项式时间计算的利普希茨连续度量，实现鲁棒的形状比较。

ABSTRACT

A finite set of unlabelled points in Euclidean space is the simplest representation of many real objects from mineral rocks to sculptures. Since most solid objects are rigid, their natural equivalence is rigid motion or isometry maintaining all inter-point distances. More generally, any finite metric space is an example of a metric-measure space that has a probability measure and a metric satisfying all axioms. This paper develops Simplexwise Distance Distributions (SDDs) for any finite metric spaces and metric-measures spaces. These SDDs classify all known non-equivalent spaces that were impossible to distinguish by simpler invariants. We define metrics on SDDs that are Lipschitz continuous and allow exact computations whose parametrised complexities are polynomial in the number of given points.

研究动机与目标

• 解决问题 1.1：设计一个完整、连续且可计算的不变量，用于有限度量空间的等距同构分类。
• 克服先前不变量（如持久同调和距离分布）的局限性，这些不变量无法区分具有相同两两距离但非等距的非等距空间。
• 构建一个可对带权重的度量-测度空间进行分类的框架，实现比标准距离基不变量更精细的区分能力。
• 提供一种实用且可扩展的解决方案，具有参数化多项式时间复杂度，适用于现实世界中的噪声数据。

提出的方法

• 将单纯形距离分布（SDD）定义为有限度量空间中所有 h 个点子集上的距离分布的集合。
• 通过为点分配权重，引入加权单纯形距离分布（WSD），并在分布矩阵中同时追踪距离和权重。
• 使用 L∞-型和地球移动者距离（EMD）公式构建 SDD 上的度量，以确保利普希茨连续性并实现精确计算。
• 使用矩阵表示 M(X;A) 编码来自参考子集 A 的距离和权重，且在 A 的排列下保持不变性。
• 应用 LAC（利普希茨连续近似）和 EMD（地球移动者距离）度量比较 SDD，确保在小扰动下具有稳定性。
• 证明 SDD 是完备不变量：非等距空间会产生不同的 SDD，且在点扰动下度量保持连续。

实验结果

研究问题

• RQ1 能否为有限度量空间构造一个完整且连续的不变量，以区分所有非等距构型？
• RQ2 SDD 能否解决 R² 中 4 点集的模糊性问题，例如梯形与筝形在具有相同两两距离时的区分？
• RQ3 如何将权重整合到距离分布中，以增强其在标准距离基不变量之上的区分能力？
• RQ4 计算 SDD 及其相关度量的时间复杂度是多少？是否可实现多项式时间有界？
• RQ5 SDD 能否区分具有相同测度距离分布（MSD）但局部结构不同的度量-测度空间？

主要发现

• SDD 成功区分了 R² 中具有相同两两距离但非等距的梯形与筝形 4 点集，通过捕捉其单纯形距离分布的差异实现。
• 加权 SDD（WSD）通过检测来自参考点的距离与权重矩阵的差异，区分了在 9 个点上具有相同测度距离分布（MSD）的度量-测度空间 X 和 Y。
• 当 h=1 时，对于权重为 23/140 的点 p，矩阵 M(X;p) 与 M(Y;p) 即使经过列置换也不同，从而证明了非等距性。
• 在两点基 A=(p,q) 上，不变量 VID(A) 在 X 上为 1，在 Y 上为 2，提供了测量单纯形距离分布中可直接识别的场差异。
• 本文证明 SDD 允许在参数化多项式时间内计算利普希茨连续度量，满足问题 1.1 的所有要求。
• 作者猜想：当 h 足够高时，WSD 可以区分任意一对度量-测度空间的同构关系，表明其在极限下具有完备性。