[论文解读] The Geometry of Synchronization Problems and Learning Group Actions

Tingran Gao, Jacek Brodzki+1 more|arXiv (Cornell University)|Oct 28, 2016

Topological and Geometric Data Analysis参考文献 128被引用 8

一句话总结

本文提出了一种基于纤维丛与扭曲Hodge理论的同步问题几何框架，将同步问题识别为平坦主G-丛，并将图连接拉普拉斯算子实现为Hodge拉普拉斯算子。该文提出了一种基于局部可同步性的群作用学习启发式算法，在模拟数据与真实数据上均表现出色，尤其在几何形态学与冷冻电镜应用中表现突出。

ABSTRACT

We develop a geometric framework that characterizes the synchronization problem --- the problem of consistently registering or aligning a collection of objects. The theory we formulate characterizes the cohomological nature of synchronization based on the classical theory of fibre bundles. We first establish the correspondence between synchronization problems in a topological group $G$ over a connected graph $Γ$ and the moduli space of flat principal $G$-bundles over $Γ$, and develop a discrete analogy of the renowned theorem of classifying flat principal bundles with fix base and structural group using the representation variety. In particular, we show that prescribing an edge potential on a graph is equivalent to specifying an equivalence class of flat principal bundles, of which the triviality of holonomy dictates the synchronizability of the edge potential. We then develop a twisted cohomology theory for associated vector bundles of the flat principal bundle arising from an edge potential, which is a discrete version of the twisted cohomology in differential geometry. This theory realizes the obstruction to synchronizability as a cohomology group of the twisted de Rham cochain complex. We then build a discrete twisted Hodge theory --- a fibre bundle analog of the discrete Hodge theory on graphs --- which geometrically realizes the graph connection Laplacian as a Hodge Laplacian of degree zero. Motivated by our geometric framework, we study the problem of learning group actions --- partitioning a collection of objects based on the local synchronizability of pairwise correspondence relations. A dual interpretation is to learn finitely generated subgroups of an ambient transformation group from noisy observed group elements. A synchronization-based algorithm is also provided, and we demonstrate its efficacy using simulations and real data.

研究动机与目标

• 通过纤维丛理论与上同调理论，发展同步问题的几何表征。
• 通过基本群到拓扑群G的表示簇对同步问题进行分类。
• 建立图连接拉普拉斯算子与平坦向量丛上Hodge理论之间的联系。
• 提出一种新颖算法，基于成对对应关系的局部可同步性，学习群作用。
• 在合成数据与真实世界数据集（包括冷冻电镜与形态学数据）上，验证该算法的有效性。

提出的方法

• 将每个同步问题建模为连通图Γ上的平坦主G-丛，利用基本群π₁(Γ)到G的holonomy表示。
• 在相关平坦向量丛上构建扭曲de Rham-Hodge余链复形，使Hodge理论可应用于离散情形。
• 将图连接拉普拉斯算子实现为该复形中最低阶的Hodge拉普拉斯算子，将其与微分几何不变量相联系。
• 定义一个全局一形式，并利用相容性条件确保边上的一致性，从而支持群表示上的内积使用。
• 通过在表示上使用加权内积，构建变分优化问题，最小化边之间的不一致性。
• 提出一种启发式算法—SynCut，通过基于局部可同步性的数据分区来学习群作用，相关实现已发布于GitHub。

实验结果

研究问题

• RQ1 如何利用几何拓扑系统分类图推理与优化中的同步问题？
• RQ2 基本群及其表示在刻画同步解中起什么作用？
• RQ3 Hodge理论如何推广至离散的非交换情形，如具有群值数据的图连接？
• RQ4 图连接拉普拉斯算子如何作为扭曲上同调复形中的Hodge拉普拉斯算子出现？
• RQ5 如何利用成对对应关系的局部可同步性，实现数据分区中全局群作用的学习？

主要发现

• 本文通过π₁(Γ)到G的表示簇对同步问题进行了系统分类，为解空间提供了拓扑不变量。
• 图连接拉普拉斯算子被严格识别为平坦向量丛上扭曲de Rham-Hodge复形中零阶Hodge拉普拉斯算子。
• 所提出的SynCut算法成功基于局部可同步性对数据进行分区，在自动几何形态学任务中达到高精度。
• 数值模拟与冷冻电镜的真实数据表明，该算法即使在噪声或不完整对应数据下，也能恢复一致的群作用。
• 该方法在恢复生物与几何数据集中的潜在对称性方面表现出强鲁棒性，且提供公开的MATLAB代码以支持可复现性。
• 该框架将同步、Hodge理论与群作用学习统一于单一几何语言之下，为新算法洞察提供了可能。