최소화된 일반화된 Sliced Gromov-Wasserstein: Gromov-Wasserstein을 향한 확장 가능한 경로
요약
본 논문은 일반화된 슬라이서(generalized slicers)를 활용하여 Gromov-Wasserstein (GW) 문제에 대한 새로운 최소화 공식인 min Generalized Sliced Gromov-Wasserstein (min-GSGW)을 제안합니다. 핵심 아이디어는 두 입력 측도 모두에 호환되는 결합된 비선형 슬라이서를 학습하여, 투영된 도메인에서의 단조 결합이 원래 공간의 GW 목적 함수를 평가하는 운송 계획으로 격상되도록 하는 것입니다. min-GSGW는 기존 방식보다 낮은 계산 비용으로 기하학적 매칭 및 형상 분석에 필요한 의미 있는 기하학적 대응 관계와 GW 목적 함수 값을 제공하며, 강체 운동 불변성(rigid-motion invariant)을 가집니다.
핵심 포인트
- 일반화된 슬라이서 기반의 min-GSGW를 제안하여 Gromov-Wasserstein (GW) 문제를 효율적으로 해결함.
- 결합된 비선형 슬라이서를 학습함으로써, 투영 공간에서의 최적화가 원래 GW 목적 함수에 대한 운송 계획으로 확장됨.
- min-GSGW는 기하학적 매칭 및 형상 분석에 필수적인 강체 운동 불변성(rigid-motion invariant)을 가짐.
- 분할 상환 변형(amortized variant)을 개발하여, 개별 최적화가 어려운 입력 쌍에도 적용 가능하게 함.
- 실험 결과, min-GSGW는 기존 GW 솔버 대비 낮은 계산 비용으로 우수한 기하학적 대응 관계를 생성함.
우리는 표현력이 풍부한 일반화된 슬라이서(generalized slicers)를 사용하여 Gromov-Wasserstein (GW) 문제를 위한 슬라이스 공식화인 min Generalized Sliced Gromov-Wasserstein (min-GSGW)을 제안합니다. 핵심 아이디어는 두 입력 측도(measures) 모두에 호환 가능한 푸시포워드(push-forward) 값을 할당하는 결합된 비선형 슬라이서(coupled nonlinear slicers)를 학습하는 것입니다. 이를 통해 투영된 도메인(projected domain)에서의 단조 결합(monotone coupling)이 원래 공간의 GW 목적 함수(GW objective)에 대해 평가되는 운송 계획(transport plan)으로 격상됩니다. 결과로 생성된 계획은 GW 목적 함수 값을 유도하며, min-GSGW는 원래 공간에서 이 비용을 직접 최소화합니다. 나아가 우리는 min-GSGW가 기하학적 매칭(geometric matching) 및 형상 분석(shape analysis) 작업에 중요한 속성인 강체 운동 불변성(rigid-motion invariant)을 가짐을 보여줍니다. 우리의 기여는 세 가지입니다: 1) 슬라이스 GW 프레임워크에 일반화된 슬라이서를 도입하였고, 2) 슬라이싱 기반의 효율적인 GW 운송 계획을 구축하였으며, 3) 인스턴스별 최적화(per-instance optimization)를 보지 못한 입력 쌍에 대한 학습된 슬라이서로 대체하는 분할 상환 변형(amortized variant)을 개발하였습니다. 우리는 동물 메쉬 매칭(animal mesh matching), 말 메쉬 보간(horse mesh interpolation), 그리고 ShapeNet 부품 전이(part transfer)에 대해 실험을 수행합니다. 결과에 따르면 min-GSGW는 기존 GW 솔버(solvers)보다 실질적으로 낮은 계산 비용으로 의미 있는 기하학적 대응 관계(geometric correspondences)와 GW 목적 함수 값을 생성합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기