다차원 사이즈 함수 불연속점의 필수 조건

본 논문은 다차원 사이즈 함수의 불연속점이 어떤 조건에서 발생하는지를 체계적으로 탐구한다. 서론에서는 사이즈 이론이 위상 지속성의 한 갈래로서, 형태 분석과 패턴 인식에 널리 활용되어 왔으며, 특히 1‑차원 경우에는 코너 포인트와 코너 라인으로 구성된 컴팩트한 표현이 가능함을 소개한다. 그러나 측정 함수가 ℝᵏ 값을 가질 때는 구조가 복잡해져 기존 이론이 충분히 설명하지 못한다는 점을 지적한다. 1절에서는 기본 정의들을 정리한다. M을 비공허하고 콤팩트한 로컬 연결 하우스도프 공간이라 가정하고, ϕ = (ϕ₁,…,ϕ_k): M→ℝᵏ를 연속 측정 함수라 한다. 부분 순서 ≤와 < 를 ℝᵏ에 정의하고, Δ⁺ = {(x,y)∈ℝᵏ×ℝᵏ | x ≺ y}를 열집합으로 둔다. 사이즈 함수 ℓ(M, ϕ): Δ⁺→ℕ은 각 (x,y) 에 대해, 하위 수준 집합 M_{ϕ ≤ x} 의 연결 성분이 M_{ϕ ≤ y} 안에서 몇 개의 연결 성분으로 병합되는지를 셈으로써 정의된다. ℓ은 x가 고정될 때는 비감소, y가 고정될 때는 비증가한다는 기본 성질을 갖는다. 1.1절에서는 k = 1인 경우를 상세히 다룬다. 1‑차원 사이즈 함수는 코너 포인트와 코너 라인(무한점)이라는 이산적 구조로 완전하게 기술될 수 있다. 코너 포인트의 다중성 μ(P)와 코너 라인의 다중성 μ(r) 를 정의하고, Representation Theorem(정리 1.7)을 통해 ℓ(M, ϕ)(x̄, ȳ) 가 좌측·위쪽에 위치한 코너 포인트들의 총합과 동일함을 보인다. 이 정리로부터 불연속점은 반드시 x̄ 혹은 ȳ 중 하나가 코너 포인트의 좌표와 일치함을 얻는다(Corollary 1.9). 또한, ϕ가 C¹이면 코너 포인트의 두 좌표가 모두 ϕ의 임계값임을 정리 1.11에서 증명한다. 2절이 논문의 핵심이다. 여기서는 다차원 경우에 대한 새로운 정리들을 제시한다. 먼저 의사임계값(pseudocritical value)이라는 개념을 도입한다. 이는 ϕ의 각 성분이 동시에 임계점에 접근하는 점들의 이미지이며, 일반적인 임계값과 달리 매끄러운 근사 과정에서도 보존된다. Theorem 2.11은 ℓ(M, ϕ)의 불연속점 (x, y) 에 대해, 최소 하나의 좌표 x_i 혹은 y_i 가 ϕ의 의사임계값이거나 특수값(special value)이어야 함을 주장한다. 여기서 특수값은 ϕ가 연속이지만 특정 좌표가 변하지 않아 발생하는 경우를 의미한다. Theorem 2.13은 보다 강한 가정을 추가한다. M을 닫힌 C¹ 리만 다양체, ϕ를 C¹ 측정 함수라 하면, ℓ(M, ϕ)의 모든 불연속점 (x, y) 에서 x와 y의 모든 좌표가 실제 임계값(critical value)임을 보인다. 증명은 다음과 같은 단계로 진행된다. (1) ϕ를 C∞ Morse 함수 ϕ_ε 로 C¹ 근사한다. (2) Matching Stability Theorem(정리 1.10)을 이용해 ℓ(M, ϕ)와 ℓ(M, ϕ_ε) 사이의 차이가 ε 이하임을 확보한다. (3) 1‑차원 경우에 대한 정리 1.11을 적용해 ϕ_ε의 코너 포인트가 모두 임계값임을 알게 된다. (4) ε→0 로 보내면 원래 함수 ϕ에 대해서도 동일한 결론이 성립한다. 논문은 또한 이러한 결과가 알고리즘 설계에 미치는 영향을 논의한다. 불연속점이 의사임계값에 국한된다는 사실은 탐색 공간을 크게 축소시켜, 다차원 사이즈 함수의 효율적인 계산과 비교를 가능하게 한다. 특히, 매칭 거리 d_match 와 그 안정성은 실제 데이터에 대한 노이즈에 강인한 비교 방법을 제공한다. 결론에서는 본 연구가 다차원 위상 지속성 이론의 기초를 강화하고, 향후 다변량 형태 분석, 이미지 처리, 데이터 과학 등 다양한 분야에 적용될 잠재력을 강조한다. 향후 연구 과제로는 비정규화된 측정 함수, 비평탄한 다양체, 그리고 고차 호몰로지와의 연계가 제시된다.