[论文解读] Low Rank Representation on Grassmann Manifolds: An Extrinsic Perspective

Boyue Wang, Yongli Hu+3 more|arXiv (Cornell University)|Apr 8, 2015

Face and Expression Recognition参考文献 45被引用 10

一句话总结

本文提出 Grassmann 低秩表示（GLRR），一种外蕴方法，通过利用对数映射的切空间映射，将低秩表示（LRR）扩展至 Grassmann 流形上的子空间聚类。通过在每个 Grassmann 点的切空间中表述自表达，GLRR 有效捕捉了图像集和视频数据中的非线性结构，在 MNIST、YTC 和 DynTex++ 数据集上实现了最先进水平的聚类准确率，MNIST 上达到 98.33% 的准确率，YTC 上达到 69.19%，优于包括 PLRRNCut 和 PNCut 在内的现有方法。

ABSTRACT

Many computer vision algorithms employ subspace models to represent data. The Low-rank representation (LRR) has been successfully applied in subspace clustering for which data are clustered according to their subspace structures. The possibility of extending LRR on Grassmann manifold is explored in this paper. Rather than directly embedding Grassmann manifold into a symmetric matrix space, an extrinsic view is taken by building the self-representation of LRR over the tangent space of each Grassmannian point. A new algorithm for solving the proposed Grassmannian LRR model is designed and implemented. Several clustering experiments are conducted on handwritten digits dataset, dynamic texture video clips and YouTube celebrity face video data. The experimental results show our method outperforms a number of existing methods.

研究动机与目标

• 为解决经典 LRR 在 Grassmann 流形上以子空间表示的数据中应用时，欧氏空间中的标准自表达无法直接适用的问题。
• 开发一种几何上合理的算法，通过在 Grassmann 点的切空间中操作，保留子空间的内在结构。
• 将 LRR 框架扩展至以子空间表示的非线性高维数据，实现在复杂数据（如视频剪辑和图像集）上的鲁棒子空间聚类。
• 通过将 Grassmann 几何融入低秩表示框架，超越基于流形的聚类方法（如 PNCut 和 PLRRNCut）

提出的方法

• 该方法使用对数映射将流形上的点投影到其对应的切空间中，从而在局部欧氏近似下实现线性操作（如自表达）。
• 在切空间中表述自表达，其中每个子空间被表示为其他子空间的线性组合，从而保持表示矩阵的低秩结构。
• 通过交替方向乘子法（ADMM）算法求解 GLRR 模型，该算法经调整以处理流形约束，并优化低秩项与稀疏项。
• 该方法避免将整个 Grassmann 流形嵌入对称矩阵空间，而是通过切空间几何实现局部计算，确保计算效率与几何保真度。
• 对于视频数据，当保留空间上下文时，使用 LBP-TOP 特征构建 Grassmann 点；对于人脸数据，采用基于 SVD 的降维方法形成子空间。
• 通过正则化参数 λ 进行模型优化，该参数经经验调优（例如，GLRR 的 λ=0.3，PLRR 的 λ=0.5），以平衡低秩性与表示保真度。

实验结果

研究问题

• RQ1 LRR 的自表达原理能否有效扩展至以 Grassmann 流形上子空间表示的数据？
• RQ2 通过使用对数映射的切空间表示，是否能提供比直接嵌入对称矩阵空间更准确且几何一致的表示？
• RQ3 与 PNCut、PLRRNCut 和 GK-means 等现有方法相比，GLRR 在真实世界图像集和视频数据上的子空间聚类表现如何？
• RQ4 GLRR 模型能否在保留内在流形结构的前提下，有效处理复杂高维数据（如动态纹理和 YouTube 名人面部视频）？

主要发现

• 在 MNIST 数据集上，所提出的 GLRR 方法实现了 98.33% 的聚类准确率，显著优于 PK-means（71%）、PNCut（86.75%）和 PLRRNCut（85.52%）。
• 在 YTC 名人面部数据集上，GLRR 达到 69.19% 的准确率，优于 PNCut（51.89%）和 PLRRNCut（20.20%），展现出在具有挑战性的面部视频数据上的鲁棒性。
• 在 DynTex++ 数据集的动态纹理聚类中，GLRR 在所有测试类别数（K=3 至 10）下均比竞争方法高出超过 10 个百分点的准确率，性能持续领先。
• 该方法的性能优势归因于 Grassmann 流形几何与 LRR 的有效整合，其对内在子空间关系的捕捉优于基于欧氏距离的方法（如 PNCut 或 PLRRNCut）。
• 结果表明，GLRR 在手写数字、动态纹理和面部视频等多种数据类型上均表现出稳定且高效，显示出强大的泛化能力。