[論文レビュー] Sparse image reconstruction on the sphere: a general approach with uncertainty quantification

Matt A. Price, Luke Pratley+1 more|arXiv (Cornell University)|May 11, 2021

Medical Imaging Techniques and Applications参考文献 51被引用数 4

ひとこと要約

本論文は、変分法と根拠のある不確実性評価（UQ）を用いて、球面上のスパース画像再構成のための一般的で柔軟なフレームワークを提示する。不等式制約のない最適化のベイズ的解釈と線形性の活用により、インpainting、デコンボリューション、ダークマター分布マッピングなどの多様な逆問題において、高速で解析的に取り扱える不確実性評価——例えば画素単位の信頼区間——を実現する。

ABSTRACT

Inverse problems defined naturally on the sphere are becoming increasingly of interest. In this article we provide a general framework for evaluation of inverse problems on the sphere, with a strong emphasis on flexibility and scalability. We consider flexibility with respect to the prior selection (regularization), the problem definition - specifically the problem formulation (constrained/unconstrained) and problem setting (analysis/synthesis) - and optimization adopted to solve the problem. We discuss and quantify the trade-offs between problem formulation and setting. Crucially, we consider the Bayesian interpretation of the unconstrained problem which, combined with recent developments in probability density theory, permits rapid, statistically principled uncertainty quantification (UQ) in the spherical setting. Linearity is exploited to significantly increase the computational efficiency of such UQ techniques, which in some cases are shown to permit analytic solutions. We showcase this reconstruction framework and UQ techniques on a variety of spherical inverse problems. The code discussed throughout is provided under a GNU general public license, in both C++ and Python.

研究の動機と目的

• 天文学、地球物理学、生体医療画像分野における、球面上の逆問題に対する堅牢な解決策の増大するニーズに対応する。
• 従来の変分法が不確実性評価を欠いているという限界を克服し、スパース最適化とベイズ推論を統合する。
• 制約あり／なしの両方の設定に対応できるスケーラブルで柔軟なフレームワークを構築する（解析／合成の両設定を含む）。
• 確率密度理論の最近の進展を活用し、球面上の逆問題に対して統計的に根拠のある、計算的に効率的な不確実性評価を実現する。
• 研究コミュニティにおける再現性と広範な採用を支援するため、オープンソースで高性能なソフトウェア（S2INV）を提供する。

提案手法

• スパース性を促進する事前分布（例：ウェーブレット上のℓ₁ノルム）を用いて、解析的・合成的両設定で球面上の逆問題を定式化する。
• 不等式制約のない問題をベイズ的MAP推定として解釈することで、根拠のある後方分布推定と不確実性評価を可能にする。
• 前方モデルと後方分布構造における線形性を活用し、1次元多項式の根の探索による加速を実現することで、UQの高速化を図る。多くの場合、1次元多項式の根の探索に還元可能である。
• 高次元の球面パラメータ空間における計算を効率化するため、高速な球面調和変換および球面ウェーブレット変換を活用する。
• 微分不能なスパース正則化問題を解くために、収束保証付きの近接勾配前進後退法を実装する。
• 最近の確率密度理論からの不確実性評価技術を統合し、球面上での局所的信頼区間の計算や仮説検定を実現する。

実験結果

リサーチクエスチョン

• RQ1 スパース球面上画像再構成における不確実性は、どのように効率的かつ統計的に根拠のある形で評価できるか？
• RQ2 球面上の逆問題において、解析的設定と合成的設定の相対的な利点とトレードオフは何か？
• RQ3 制約あり／なしの最適化の選択が、再構成の正確性と不確実性評価に与える影響は何か？
• RQ4 線形性により、どのような状況で不確実性評価が計算的に容易な問題に還元できるか？
• RQ5 本フレームワークは、インpainting、デコンボリューション、ノイズ除去といった多様な球面上の逆問題に一般化可能か？

主な発見

• 不等式制約のない最適化のベイズ的解釈により、サンプリング手法に比べ高コストな計算を避けながら、画素単位の誤差棒を含む根拠のある不確実性評価が可能になる。
• 前方モデルと後方分布構造における線形性のおかげで、UQが劇的に高速化され、多くの場合1次元多項式の根の探索に還元される。
• いくつかの重要なケースでは、UQを解析的に解くことができ、モンテカルロ法やサンプリングベースの手法に比べて計算効率が著しく向上する。
• 弱引力レンズシアー再構成やダークマター質量マッピングといった困難な応用分野において、最先端の性能を達成している。
• 提案されたS2INVソフトウェアパッケージはGNU GPLの下で公開されており、球面画像処理分野における再現性と広範な採用を可能にする。
• 解析的・合成的設定、および制約あり／なしの最適化の最適な選択は、問題に強く依存し、文脈に依存する。