Gaussian Process Implicit Surface 的原理
Gaussian Process Implicit Surface下文简称(GPIS) 最早是由 Microsoft Research, Cambridge, UK 提出来的, 论文可见GPIS。这篇文章主要是介绍如何使用高斯来拟合surface 或者曲线。 从Implicit Surface 中的 implict 可以看出来,对于要处理的曲线或者曲面,我们不对他们进行参数化, 取而代之的是利用 一些限制条件来定义曲面的集合。 我们可以从数学角度进行描述
S 0 = { x ∈ R d ∣ f ( x ) = 0 } ( 1 ) \mathrm{S}_0=\{x\in R^d| f(x)=0\} \, (1) S0={
x∈Rd∣f(x)=0}(1)
我们可以看出,所有满足函数 f ( x ) = 0 f(x)=0 f(x)=0 的点都落在我们的曲面或者曲线上。 从这个表达式我们至少有以下几个问题需要回答
- f ( x ) f(x) f(x)这个函数如何表示?
- 我们如何找到 满足方程 (1) 的点的集合
- 我们如何保证找到的点是误差最小
针对以上三个问题,Microsoft Research 提出了用Gaussian Process 来处理。正如刚才提出的 implicit surface 是一个隐式的表达形式,也就说任何满足限制条件的都可以成为 f ( x ) f(x) f(x)的表示形式。GP 被广泛的应用到数据拟合的工作中,因而可以作为 f ( x ) f(x) f(x)的数学表达。高斯拟合有一个非常重要的组成部分就是对于kernel function 的选择。现存有很多不同的kernel function,GPIS 这篇文章提出了一个新的convariance function 就是 thin plate spline covariance。 根据维基百科的解释
Thin plate splines (TPS) are a spline-based technique for data interpolation and smoothing.
TPS has been widely used as the non-rigid transformation model in image alignment and shape matching
TPS 很多的集合特性:
- 它可以用来描述光滑的曲面,并且满足无限可导
- 不需要人工调参
- 它具有用于变形和参数估计的封闭式解决方案
- 它的能量方程是可以得到物理的解释
基于这几个特性,GPIS 文章得出结论 发现 thin plate splineregularizer (TPS 调节器) 可以利用他的能量方程 从而得到一个光滑的 的函数
E ( f ) = ∫ Ω ( ▽ T ▽ f ( x ) ) 2 d x E(f)=\int_\Omega(\bigtriangledown^T \bigtriangledown f(x) )^2 dx E(f)=∫Ω(▽T▽f(x))2dx
其中 Ω \Omega Ω 是 感兴趣的区域。 根据文章给出的结论,我们可以得出在3D 情况下 kernel function 可以描述成
k i j = 2 r i j 3 − 3 C r i j 2 + C 3 k_{ij}=2r_{ij}^3-3Cr_{ij}^2+C^3 kij=2rij3−3Crij