ニューロシンボリック幾何学的抽象化（NeuSOGA）：観測から記号的数学表現へ

NeuSOGAは、幾何学的観測（点群、投影画像、セグメント化された光学観測）を、トポロジー的抽象化、幾何学的抽象化を経て、最終的に記号的数学表現へと変換するフレームワークである。Euclidean Distance Transformsによるトポロジー誘導構造発見、Segment Anythingによる基盤モデル知覚、適応的多スケール幾何学的抽象化、Implicit Area Splinesによる記号的合成を組み合わせる。得られる表現は解析的な陰関数モデルであり、任意次数の滑らかさ、加法的合成、閉形式評価をサポートする。ニューラルの潜在符号化とは異なり、解釈可能で編集可能、数学的に明示的である。

従来のAIシステムは大規模統計学習により知覚能力を達成するが、知識は潜在パラメータに符号化され、検査や操作が困難である。NeuSOGAはNeuro-Symbolic AIと人間の抽象化理論に着想を得て、観測から記号への明示的で解釈可能な経路を提供する点が新しい。ニューラル潜在表現と異なり、生成された表現は解釈可能で編集可能、数学的に明示的であり、任意次数の滑らかさや加法的合成などの解析的特性を持つ。

手法の核は、観測を段階的に抽象化するパイプラインである。まずEuclidean Distance Transformsを用いてトポロジー構造を発見し、次にSegment Anythingで知覚を行い、適応的多スケール幾何学的抽象化を施す。最終段階でImplicit Area Splinesを用いて記号的合成を行い、解析的な陰関数モデルを生成する。このモデルは任意次数の滑らかさ、加法的合成、閉形式評価を可能にする。

ModelNet40の点群、任意視点の投影、セグメント化された光学観測を用いた実験により、NeuSOGAが多様な観測をコンパクトな記号的表現に変換し、センシングモダリティや視点方向を超えて本質的な幾何学的・トポロジー構造を保持することを実証した。

要旨からは、表現の解釈可能性と編集可能性が強調される一方で、複雑な実世界シーンへのスケーラビリティや、生成された記号的表現の下流タスクでの利用可能性などについては明示的な議論はない。また、既存のニューラル手法との定量的比較や限界についての詳細は要旨からは不明である。

要旨で参照されている関連研究として、Neuro-Symbolic AI、Segment Anything、Euclidean Distance Transforms、Implicit Area Splinesに関する論文が挙げられる。また、ModelNet40データセットを用いた3D形状認識や表現学習の研究も関連する。