[论文解读] Finsler Steepest Descent with Applications to Piecewise-regular Curve Evolution

François‐Xavier Vialard, Gabriel Peyré+2 more|arXiv (Cornell University)|Aug 1, 2013

Geometric Analysis and Curvature Flows参考文献 35被引用 1

一句话总结

本文提出了一种在巴拿赫空间中使用Finsler最速下降法来最小化非凸泛函的方法，通过非希尔伯特范数引入形变先验，实现了有效的分段刚性曲线演化；证明了收敛性，并将该框架应用于曲线匹配，实现了对形变更优的几何控制。

ABSTRACT

This paper introduces a novel steepest descent flow in Banach spaces. This extends previous works on generalized gradient descent, notably the work of Charpiat et al., to the setting of Finsler metrics. Such a generalized gradient allows one to take into account a prior on deformations (e.g., piecewise rigid) in order to favor some specific evolutions. We define a Finsler gradient descent method to minimize a functional defined on a Banach space and we prove a convergence theorem for such a method. In particular, we show that the use of non-Hilbertian norms on Banach spaces is useful to study non-convex optimization problems where the geometry of the space might play a crucial role to avoid poor local minima. We show some applications to the curve matching problem. In particular, we characterize piecewise rigid deformations on the space of curves and we study several models to perform piecewise rigid evolution of curves.

研究动机与目标

• 通过在巴拿赫空间中引入Finsler度量，将广义梯度下降方法推广至希尔伯特空间之外，以在优化中实现更好的几何控制。
• 在巴拿赫空间中对非凸泛函进行建模与优化，其中几何结构影响收敛至良好局部极小值的过程。
• 通过Finsler结构嵌入先验知识，实现在曲线演化中的分段刚性形变。
• 在适当条件下证明所提出的Finsler梯度下降方法的收敛性。
• 将该方法应用于曲线匹配问题，在复杂非均匀形变下实现更强的鲁棒性。

提出的方法

• 该方法在巴拿赫空间中使用Finsler范数定义Finsler最速下降流，以正则化下降方向。
• 通过用编码形变先验的Finsler结构替代希尔伯特内积，推广了经典最速下降法。
• 下降方向通过对偶空间中泛函的次梯度计算，并经由Finsler度量调整。
• 在对泛函和Finsler结构施加适当假设的条件下，通过类似李雅普诺夫的论证建立收敛性。
• 通过在曲线空间中表征分段刚性形变，将该框架应用于曲线演化。
• 开发了具体模型，通过约束Finsler度量以偏好此类形变，从而实现对分段刚性演化形式的强制。

实验结果

研究问题

• RQ1 如何将最速下降法推广至希尔伯特空间之外，以在优化中整合几何先验？
• RQ2 在巴拿赫空间中使用非希尔伯特范数如何改善非凸优化中的收敛性？
• RQ3 如何在数学上表征并强制实现曲线演化中的分段刚性形变？
• RQ4 在巴拿赫空间中，Finsler梯度下降收敛的条件是什么？
• RQ5 在复杂非均匀形变下，所提出的方法能否优于标准方法？

主要发现

• 在较弱假设下，Finsler最速下降法收敛至泛函的临界点，将经典结果推广至非希尔伯特空间设置。
• 使用非希尔伯特范数可通过尊重空间的内在几何结构，更有效地避免非凸优化中的不良局部极小值。
• 通过定制的Finsler度量，成功地在曲线空间中表征并强制实现了分段刚性形变。
• 与标准方法相比，该方法实现了更鲁棒且具有更优几何意义的曲线演化。
• 该框架为在优化中系统性地嵌入形变先验提供了合理方法，显著提升了曲线匹配任务的性能。