Gaussian Process Implicit Surface的原理理解和应用讨论

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 $f(x)=0$ 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

1. $f(x)$这个函数如何表示？
2. 我们如何找到 满足方程 (1) 的点的集合
3. 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$f(x)$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$f(x)$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:

1. 它可以用来描述光滑的曲面，并且满足无限可导
2. 不需要人工调参
3. 它具有用于变形和参数估计的封闭式解决方案
4. 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
$$E(f)={\int }_{\Omega }({▽}^T▽f(x){)}^{2}dx$$
其中 $\Omega$ 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
$$k_{ij}=2r_{ij}^3-3C{r}_{ij}$$