作为速度场流的残差网络用于微分同胚时间序列对齐
计算机视觉与模式识别
2021-06-23 v1
摘要
非线性（大）时间扭曲是时间序列分析中具有挑战性的干扰源。本文提出一种新颖的微分同胚时间变换网络，用于成对与联合时间序列对齐。我们的 ResNet-TW（用于时间扭曲的深度残差网络）通过组合增量微分同胚映射的流来解决对齐问题。在流方程支配下，我们的残差网络（ResNet）构建平滑、流体且规则的流速场流，从而生成平滑且可逆的变换（即微分同胚扭曲函数）。受优雅的大变形微分同胚度量映射（LDDMM）框架启发，最终变换由时变向量场的流构建，这些向量场恰是我们的残差网络的组成模块。后者自然被视为流方程（一个 ODE）的欧拉离散格式。一旦训练完成，我们的 ResNet-TW 通过单次低成本前向传播对齐未见过的数据。正如我们在单变量（来自 UCR 档案的 84 个数据集）和多变量时间序列（MSR Action-3D、Florence-3D 和 MSR Daily Activity）实验中所展示的，ResNet-TW 在联合对齐与分类中取得了有竞争力的性能。
引用
@article{arxiv.2106.11911,
title = {Residual Networks as Flows of Velocity Fields for Diffeomorphic Time Series Alignment},
author = {Hao Huang and Boulbaba Ben Amor and Xichan Lin and Fan Zhu and Yi Fang},
journal= {arXiv preprint arXiv:2106.11911},
year = {2021}
}
备注
19 pages