[论文解读] The strength of a simplex is the key to a continuous isometry classification of Euclidean clouds of unlabelled points

Vitaliy Kurlin|arXiv (Cornell University)|Mar 23, 2023

Advanced Statistical Methods and Models被引用 4

一句话总结

本文提出了单纯形中心分布（SCD）以及单纯形强度作为新不变量，以实现欧氏空间中无标签点云的连续、完整且计算高效的等距分类。通过确保在扰动下具有利普希茨连续性，并实现多项式时间计算，该方法解决了有限点云长期存在的连续等距分类问题，克服了先前方法中存在不连续性和指数级复杂度的缺陷。

ABSTRACT

This paper solves the continuous classification problem for finite clouds of unlabelled points under Euclidean isometry. The Lipschitz continuity of required invariants in a suitable metric under perturbations of points is motivated by the inevitable noise in measurements of real objects. The best solved case of this isometry classification is known as the SSS theorem in school geometry saying that any triangle up to congruence (isometry in the plane) has a continuous complete invariant of three side lengths. However, there is no easy extension of the SSS theorem even to four points in the plane partially due to a 4-parameter family of 4-point clouds that have the same six pairwise distances. The computational time of most past metrics that are invariant under isometry was exponential in the size of the input. The final obstacle was the discontinuity of previous invariants at singular configurations, for example, when a triangle degenerates to a straight line. All the challenges above are now resolved by the Simplexwise Centred Distributions that combine inter-point distances of a given cloud with the new strength of a simplex that finally guarantees the Lipschitz continuity. The computational times of new invariants and metrics are polynomial in the number of points for a fixed Euclidean dimension.

研究动机与目标

• 解决欧氏等距下有限无标签点云的连续等距分类问题，这对于在噪声现实数据中实现鲁棒的形状比较至关重要。
• 克服先前不变量的局限性，包括在退化构型（如共线三角形）处的不连续性以及指数级计算复杂度。
• 建立一个完整、连续且可计算的不变量，能够区分非等距点云，同时在点的小幅扰动下保持稳定。
• 通过引入基于单纯形强度的新几何不变量，将SSS定理（三角形全等）推广至高维及更大点集。

提出的方法

• 该方法提出单纯形中心分布（SCD），结合点间距离与新提出的‘单纯形强度’概念，以确保在扰动下的利普希茨连续性。
• 定义中心距离矩（CDM）作为SCD的基于矩的描述子，其在n维空间中对所有(n−1)点子集进行计算，确保在等距变换下的不变性。
• 正式定义单纯形强度，并通过定理4.2证明其利普希茨连续性，这是实现稳定性的关键技术贡献。
• 通过使用排序距离向量与平均中心向量（ACV），构建在点重标记与等距变换下不变的描述子分布。
• 提出基于CDM向量L∞范数的度量，满足所有度量公理，从而实现点云的连续比较。
• 计算复杂度在固定维数n下为多项式时间，CDM计算的具体复杂度为O(m^{n}/(n−4)!)。

实验结果

研究问题

• RQ1 能否为R^n中的无标签点云构造一个完整的等距不变量，使其在点的小幅扰动下保持连续？
• RQ2 如何解决先前不变量在退化构型（如共线或共面点）处的不连续性问题？
• RQ3 能否设计一种计算高效的不变量，实现固定维数n下的多项式时间复杂度，避免基于排列的方法带来的指数级开销？
• RQ4 何种几何性质可作为等距分类的稳定、连续且完整的描述子，超越成对距离？

主要发现

• 单纯形强度在点扰动下被证明具有利普希茨连续性，这是核心技术成果（定理4.2），使连续分类成为可能。
• 单纯形中心分布（SCD）及其导出的中心距离矩（CDM）为无标签点云的等距分类提供了完整且连续的不变量。
• CDM描述子在固定维数n下可实现多项式时间复杂度O(m^{n}/(n−4)!)，解决了先前方法的指数级复杂度问题。
• 基于CDM向量L∞范数的度量满足所有度量公理，且当且仅当距离为零时可检测等距性。
• CDM的1阶矩（CDM(C;1)）在扰动下具有常数2的利普希茨连续性，确保在噪声环境下的稳定性。
• 该方法将SSS定理推广至高维及更大点集，为问题1.1提供了连续、完整且可计算的解决方案。