[论文解读] Surface Comparison with Mass Transportation

Yaron Lipman, Ingrid Daubechies|arXiv (Cornell University)|Dec 17, 2009

Infrastructure Maintenance and Monitoring参考文献 18被引用 27

一句话总结

本文提出了一种新颖的度量方法，用于比较二维曲面（例如大脑皮层、哺乳动物牙齿）之间的几何相似性，通过在双曲盘上对曲面的共形密度进行最优质量传输，该方法在莫比乌斯变换下保持不变。该方法实现了曲面的内在对齐，并通过一种可计算且数学上严谨的距离度量来量化几何相似性，其性能优于如格罗莫夫-豪斯多夫距离等NP难的替代方案。

ABSTRACT

We use mass-transportation as a tool to compare surfaces (2-manifolds). In particular, we determine the "similarity" of two given surfaces by solving a mass-transportation problem between their conformal densities. This mass transportation problem differs from the standard case in that we require the solution to be invariant under global Möbius transformations. Our approach provides a constructive way of defining a metric in the abstract space of simply-connected smooth surfaces with boundary (i.e. surfaces of disk-type); this metric can also be used to define meaningful intrinsic distances between pairs of "patches" in the two surfaces, which allows automatic alignment of the surfaces. We provide numerical experiments on "real-life" surfaces to demonstrate possible applications in natural sciences.

研究动机与目标

• 开发一种基于几何相似性的稳健、内在的度量方法，用于比较具有盘型结构的二维曲面。
• 解决对复杂、非等距曲面（如大脑皮层和哺乳动物牙齿）进行对齐的挑战。
• 提供一种计算上可行的替代方案，以替代如格罗莫夫-豪斯多夫距离等NP难的度量方法。
• 利用广义质量传输框架，实现自动化的、无需特征点的曲面对应检测。
• 量化曲面之间的差异与相似性，以支持生物分类与比较解剖学研究。

提出的方法

• 通过一致化理论将每个曲面映射到其在双曲盘上的共形因子（度量密度）。
• 将最优质量传输问题推广，使用点的局部邻域之间的莫比乌斯不变差异度量。
• 定义一种传输代价，通过最优莫比乌斯变换后共形因子之间的L1差异来度量，确保对全局曲面方向的不变性。
• 将对齐与距离计算公式化为在双曲盘上的线性规划问题。
• 使用莫比乌斯变换的离散采样与积分规则来近似广义的传输代价。
• 基于最小传输代价构建曲面之间的成对距离矩阵，支持聚类与分类。

实验结果

研究问题

• RQ1 能否构建一个莫比乌斯不变的最优质量传输框架，以在消除全局几何变换影响的同时比较曲面？
• RQ2 如何利用共形密度与传输代价来量化非等距曲面之间的内在几何相似性？
• RQ3 该方法能否在不依赖人工定义特征点的情况下，自动检测生物曲面之间的有意义点对应关系？
• RQ4 所提出的距离度量是否能产生具有生物意义的曲面聚类结果，例如实现对哺乳动物牙齿的物种分类？
• RQ5 与现有如格罗莫夫-豪斯多夫距离等NP难替代方案相比，该方法的计算复杂度如何？

主要发现

• 所提出的距离度量在盘型曲面空间上被数学证明为真正的度量，满足对称性、正定性与三角不等式。
• 该方法成功在不同灵长类物种的牙齿之间识别出120组一致的点对应关系，这一结果令此前难以实现自动化的生物学家感到惊讶。
• 对八组牙齿表面的距离矩阵进行多维缩放后，聚类结果与物种标签完全匹配，显示出强烈的生物学相关性。
• 对齐的线性规划优化在15–20次迭代内完成（耗时2–3秒），适用于150–200个曲面点，表明其计算可行性。
• 主要计算瓶颈在于距离矩阵的计算，时间复杂度为O(L·P·N³)，当N=300时耗时约2小时，但预计可进一步优化。