Forminteraktionsmatrix revidiert und robustifiziert: Effizientes Subraumclustering mit beschädigten und unvollständigen Daten

Die Forminteraktionsmatrix (Shape Interaction Matrix, SIM) ist einer der frühesten Ansätze zur Durchführung von Unterraumclustering (d.h., die Trennung von Punkten, die aus einer Vereinigung von Unterräumen stammen). In dieser Arbeit untersuchen wir die SIM erneut und legen ihre Verbindungen zu mehreren aktuellen Unterraumclustering-Methoden offen. Unsere Analyse ermöglicht es uns, einen einfachen, aber effektiven Algorithmus abzuleiten, um die SIM zu robustifizieren und sie für realistische Szenarien anwendbar zu machen, in denen die Daten durch Rauschen verfälscht sind. Wir begründen unsere Methode durch anschauliche Beispiele und die Theorie der Matrixstörungen. Anschließend zeigen wir, wie dieser Ansatz erweitert werden kann, um fehlende Daten zu behandeln, was letztlich einen effizienten und allgemeinen Unterraumclustering-Algorithmus ergibt. Wir demonstrieren die Vorteile unseres Ansatzes gegenüber den neuesten Methoden des Unterraumclustering an mehreren anspruchsvollen Problemen der Bewegungssegmentierung und Gesichtsklusterung, bei denen die Daten verfälschte und fehlende Messwerte enthalten.