扔掉方向信息反而更准！无向拓扑信号处理新框架，阶感知正则化碾压有向基线
Topological Signal Processing With Unoriented Operators
📖 AI 总结
本文提出了一种无定向拓扑信号处理框架，用于处理单纯复形上不具备方向性的高阶信号。传统拓扑信号处理依赖有向边界算子，适用于流信号或需要拓扑不变量的任务，但对无方向信号施加有向算子会引入任意的单纯形定向选择，缺乏良定义。该研究以无向关联矩阵替代有向边界算子，首先证明任意单纯形层级间的无向关联矩阵与拉普拉斯矩阵具有类图的谱性质；其次，由于去除定向后Hodge分解不再适用，作者提出“交互阶分解”作为替代，用于量化高阶信号在多大程度上可由低阶信号聚合解释；最后基于该分解设计了对各交互阶分别施加惩罚的正则化项，用于信号重建。在真实数据上的实验表明，阶感知正则化优于有向基线方法，且当信号能量在各阶之间分布不均时增益最为显著。
🔑 关键词速览
| 拓扑信号处理 (TSP) | 在单纯复形上利用有向边界算子处理信号的框架，适用于流信号或需要拓扑不变量的任务。 |
| 无向拓扑信号处理 (UTSP) | 用无向关联矩阵替代有向边界算子的拓扑信号处理框架，适用于无方向的高阶信号。 |
| 无向关联矩阵 | 描述单纯形之间关联关系的矩阵，不包含方向信息，用于替代有向边界算子。 |
| Hodge分解 | 将信号分解为梯度、旋度和调和分量的经典分解，依赖于有向边界算子。 |
| 交互阶分解 | 无向框架下替代Hodge分解的分解方法，量化高阶信号由低阶信号聚合解释的程度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅