论文笔记：Spherical CNN

Spherical CNN

1、四个问题

1. 要解决什么问题？
   • 3D场景下旋转不变性特征的提取。
2. 用了什么方法解决？
   • 提出了球形卷积操作，也叫作球形互相关（spherical cross-correlation）。球形卷积具有旋转不变性。
   • 为了增强计算效率，使用FFT（Fast Fourier Transform）来计算球形卷积。
3. 效果如何？
   • 在3D模型识别上效果还不错，与其他深度神经网络的模型相比准确率差一些，但是对旋转变化的鲁棒性更强。
4. 还存在什么问题？
   • 由于在球形卷积中使用了FFT和IFFT，在转换过程中会损失一部分信息。
   • 球形卷积仅针对的理想的3D物体做到了旋转不变性，不存在背景或者其他噪声的干扰，如果在存在多个3D物体的自然场景下，必须要先分割出3D物体再提取旋转不变特征，流程过于繁琐。

2、论文概述

1、简介

• 一种比较常见的思路是，将球形曲面展开为一个2D平面，如图1所示。从一个球面的信号到平面的映射过程中存在不规则的畸变。当图1的左图旋转到右图中的情况时，第一行表示球面上的情况，其实相当于在球面上平移；第二行表示从球面投影到平面的情况，不仅存在平移变化，还存在投影畸变。
• 上面这个简单的例子说明了：球形曲面上的信号，不适合使用卷积（convolution）或互相关（cross-correlation）这类操作提取特征。尽管卷积这类操作具有平移不变性，但是球形曲面上还存在不规则的投影畸变。从不同旋转状态下的同一目标使用卷积提取到的特征不具备等效性（equivalence）。
• 因此作者想要提出一个网络来解决这个问题，也就是本文中的Spherical CNN（$S^2$-CNN）。三维空间下的旋转矩阵$R$可以用一个特殊正交群$SO(3)$来表示。Spherical CNN的目的是做到在$SO(3)$下的等效性。
• $SO(3)$互相关满足傅里叶理论，即$SO(3)$傅里叶变换。因此使用广义FFT算法来能高效地实现$SO(3)$傅里叶变换和$S^2$傅里叶变换。

2、贡献

• 球面CNN理论。
• 提出了对于球面$S^2$和三维特殊正交群$SO(3)$的广义傅里叶变换。
• 实验验证球面CNN对旋转不变性的适用性。

3、球面和旋转群的互相关

• 首先类比经典的平面互相关（$x\in {\mathbb{Z}}^2$），随后再引出$S^2$和$SO(3)$互相关。
• 平面互相关（planar correlation）的理解：
  • 输出的特征图是按$x$平移时（$x\in {\mathbb{Z}}^2$）输入的特征图与滤波器的内积计算得到的结果。
• 类似的，球面互相关（spherical correlation）可以理解为：
  • 输出的特征图是按$R$旋转时（$R\in SO(3)$）输入的特征图与滤波器的内积计算得到的结果。

4、球面CNN

• 球面单元：
  • $S^2$可以定义为一组单位球面上的点的几何$x\in {\mathbb{R}}^3$，是一个三维流型，可以用球面坐标系来表示：$\alpha \in [0,2\pi ]$，$\beta \in [0,\pi ]$。
• 球面信号：
  • 使用连续函数$f:S^2\to {\mathbb{R}}^K$对球面图像和滤波器进行建模，其中$K$是通道数。
• 旋转：
  • 在三维空间中一组旋转称为$SO(3)$，也叫作“特殊正交群”，用一个$3\times 3$的矩阵表示旋转。这个旋转矩阵具有以下性质：$\Vert Rx\Vert =\Vert x\Vert$，$det(R)=+1$。
  • 如果用三维向量$x$来表示球面上的点，那么可以使用矩阵向量乘法$Rx$来表示旋转。
  • 旋转群$SO(3)$是一个三维流型，它也可以用$ZYZ$欧拉角进行参数化表示：$\alpha \in [0,2\pi ]$，$\beta \in [0,\pi ]$，$\gamma \in [0,2\pi ]$。
• 球面信号的旋转：
  • 为了定义球面互相关，引入旋转算子$L_R$，结合函数$f$，可以得到旋转函数$L_{R}f$：$[L_{R}f](x)=f(R^{-1}x)$。
  • 我的理解是：$L_{R}f$是一个旋转了$R$的特征图，在其上$x$位置对应的特征是$[L_{R}f](x)$，换算回旋转前的函数$f$的特征图上，对应于$R^{-1}x$位置的特征。
  • 旋转算子在$R$上是可逆的，即有：$L_{R{R}^{\prime }}=L_R{L}_{R^{\prime }}$。
• 内积：
  • 在球面信号矢量空间上的内积定义为：
  • $$⟨\psi ,f⟩={\int }_{S^2}\sum _{k=1}^K{\psi }_k(x)f_k(x)dx$$
  • 积分测度$dx$表示球面上的标准旋转不变积分测度，可以由球面坐标$d\alpha \sin (\beta )d\beta /4\pi$表示。
  • 由于球面高度图的体积不随转动变化，所以，可以具有对于任意的旋转$R\in \mathrm{S}\mathrm{O}(3)$的不变性：${\int }_{S^2}f(Rx)dx={\int }_{S^2}f(x)dx$。
  • 注意到，$L_{R^{-1}}$与$L_R$伴随，那么$L_R$是幺正（unary）的:
  • $\begin{array}{rl}⟨L_R\psi ,f⟩& ={\int }_{S^2}\sum _{k=1}^K{\psi }_k\left(R^{-1}x\right)f_k(x)dx\\ & ={\int }_{S^2}\sum _{k=1}^K{\psi }_k(x)f_k(Rx)dx\\ & =⟨\psi ,L_{R^{-1}}f⟩\end{array}$
• 球面相关性（spherical correlation）：
  • 对球形信号$f$和$\psi$，定义相关性为：
  • $[\psi \star f](R)=⟨L_R\psi ,f⟩={\int }_{S^2}{\sum }_{k=1}^K{\psi }_k\left(R^{-1}x\right)f_k(x)dx$
  • 输入是$SO(3)$上的一个旋转矩阵，$f$为输入信号，$\psi$为滤波器，这个函数就是计算输入信号与滤波器在旋转为$R$时的相关性。
• $SO(3)$上信号的旋转：
  • 对旋转算子进行推广，以便能对$SO(3)$上的信号起作用。
  • 对于$f:\mathrm{S}\mathrm{O}(3)\to {\mathbb{R}}^K$和$R,Q\in \mathrm{S}\mathrm{O}(3)$：$\left[L_{R}f\right](Q)=f\left(R^{-1}Q\right)$。
• 旋转群相关：
  • 与前面类似，定义旋转群上两个信号$f,\psi :\mathrm{S}\mathrm{O}(3)\to {\mathbb{R}}^K$的相关性：
  • $$[\psi \star f](R)=⟨L_R\psi ,f⟩={\int }_{\mathrm{S}\mathrm{O}(3)}\sum _{k=1}^K{\psi }_k\left(R^{-1}Q\right)f_k(Q)dQ$$
  • 这里的$dQ$是$SO(3)$上的不变测度，可以用$ZYZ$欧拉角来表示：$d\alpha \sin (\beta )d\beta d\gamma /\left(8{\pi }^2\right)$。
• 等变性：
  • 等变性指的是，对于一些算子$T_R$，如果$\Phi \circ L_R=T_R\circ \Phi$，那么$\Phi$就是等变的。
  • $\left[\psi \star \left[L_{Q}f\right]\right](R)=⟨L_R\psi ,L_{Q}f⟩=⟨L_{Q^{-1}R}\psi ,f⟩=[\psi \star f]\left(Q^{-1}R\right)=\left[L_Q[\psi \star f]\right](R)$
  • 球面相关性和群相关性都是等变的。

5、使用G-FFT进行快速卷积

• 总所周知，快速傅里叶变换（FFT）可以高效地计算相关性和卷积。
• 由傅里叶定理给出：$\widehat{f\ast \psi }=\hat{f}\cdot \hat{\psi }$。
• FFT的时间复杂度为$O(n\log n)$，而乘法算子具有线性复杂度，因此使用FFT实现的相关性比原始的相关性计算时间复杂度$O(n^2)$快的多。
• 对于球面和旋转群上的函数，有一个类似的变换，把它称作广义傅里叶变换（GFT）和其对应的快速算法（GFFT）。论文中没有做详细描述，这里也不展开描述，详细可以参考这篇文档：SOFT: SO(3) Fourier Transforms。这篇论文中也是直接使用了他们推导好的数学公式。
• 用$X$表示$S^2$或$SO(3)$，再用$U^l$表示相应的基函数，在函数$f:X\to \mathbb{R}$，GFT可以写为：
  • $${\hat{f}}^l={\int }_{X}f(x)\overline{U^l(x)}dx$$
  • 实际应用中使用GFFT可有效计算这个积分。
• $SO(3)$的逆变换定义为：
  • $$f(R)=\sum _{l=0}^b(2l+1)\sum _{m=-l}^l\sum _{n=-l}^l{\hat{f}}_{mn}^l{D}_{mn}^l(R)$$
  • $S^2$下的逆变换也依次类推。
  • 最大频率$b$是带宽，与网格的分辨率相关。
• 在频域内实现球面互相关：
• 
• 信号$f$与滤波器$\psi$经过傅里叶变换得到球形频域上旋转等变的频谱，相乘随后对各通道求和，最终做傅里叶逆变换转换回空域。由于滤波器是局部的，所以使用矩阵乘法（DFT）会比FFT更快。

6、实验

3、参考资料

1. Spherical CNNs(全文翻译)
2. 从群等变卷积网络到球面卷积网络
3. https://www.jiqizhixin.com/articles/spherical-cnns
4. SOFT: SO(3) Fourier Transforms
5. Spherical CNNs