다차원 매칭 거리의 불변성 연구

초록

본 논문은 다차원 영속성 동역학에서 정의되는 매칭 거리가, 반평면을 매개변수화하는 $\mathbb{R}^n\times\mathbb{R}^n$의 선택에 관계없이 동일하게 유지된다는 사실을 증명한다. 이를 위해 반평면의 전단(foliation) 구조와 영속성 베티 수의 랭크 함수가 갖는 기하학적·대수적 성질을 분석하고, 다양한 파라미터화가 거리 계산에 미치는 영향을 정량적으로 소거한다. 결과적으로 다차원 매칭 거리는 실제 데이터 분석에 있어 파라미터 선택의 자유도를 크게 확대시킨다.

상세 분석

다차원 영속성 이론은 $\mathbb{R}^n$‑값 필터링 함수 $f\colon X\to\mathbb{R}^n$에 대해 하위 레벨 집합 $X_{\mathbf{a}}={x\mid f(x)\le\mathbf{a}}$를 고려하고, 이들 집합 사이의 포함 관계가 유도하는 호몰로지 군 $H_k(X_{\mathbf{a}})$의 랭크를 $\beta_k(\mathbf{a})$라 정의한다. 단일 실수값 경우와 달리 $\mathbf{a}\in\mathbb{R}^n$가 다차원 벡터이므로 $\beta_k$는 $n$차원 파라미터 공간 전체에 걸쳐 정의된 함수이며, 그 구조는 일반적으로 복잡한 ‘다중 사다리’ 형태를 띤다. 이를 비교 가능한 1차원 형태로 전환하기 위해 기존 연구에서는 파라미터 공간을 일련의 반평면 $\pi_{(\mathbf{u},\mathbf{v})}={\mathbf{a}\mid \mathbf{u}\cdot\mathbf{a}=c,\ \mathbf{v}\cdot\mathbf{a}\le c}$ 로 분할(foliation)하고, 각 반평면마다 선형 변환을 적용해 1차원 영속성 다이어그램을 얻는다.

매칭 거리 $D_{\text{match}}$는 이러한 1차원 다이어그램들 사이의 보텀-워시스트라스(또는 bottleneck) 거리의 최댓값을 취해 정의된다. 핵심 문제는 반평면을 매개변수화하는 집합 $S\subset\mathbb{R}^n\times\mathbb{R}^n$를 어떻게 선택하느냐에 따라 $\pi_{(\mathbf{u},\mathbf{v})}$가 달라지고, 따라서 $D_{\text{match}}$가 달라질 가능성이 있다는 점이다. 논문은 $S$가 “전단을 완전하게 커버하고, 각 반평면이 서로 겹치지 않으며, $\mathbf{u},\mathbf{v}$가 양의 정규화 조건을 만족한다”는 일반적인 가정 하에, 서로 다른 $S_1,S_2$가 주어져도 계산된 매칭 거리는 동일함을 보인다.

증명은 크게 두 단계로 구성된다. 첫 번째는 두 파라미터화 사이에 존재하는 전단 보존 변환 $T\colon\mathbb{R}^n\to\mathbb{R}^n$를 명시적으로 구성하고, $T$가 반평면을 일대일 대응시키면서 $\beta_k$의 값들을 보존한다는 점을 보인다. 여기서 중요한 것은 $T$가 선형이며, $\mathbf{u},\mathbf{v}$의 스칼라 배와 회전만을 포함한다는 사실이다. 두 번째 단계에서는 보텀-워시스트라스 거리의 불변성 성질을 이용해, $T$에 의해 변환된 1차원 다이어그램 간의 거리와 원래 다이어그램 간의 거리가 동일함을 증명한다. 즉, $d_{\text{bottleneck}}(D_1,D_2)=d_{\text{bottleneck}}(T(D_1),T(D_2))$가 성립한다. 이 두 결과를 결합하면, $S$의 선택에 관계없이 $D_{\text{match}}$는 동일한 값을 갖는다는 결론에 도달한다.

이론적 의의는 두드러진다. 첫째, 다차원 매칭 거리의 정의가 실제 구현에서 파라미터 선택에 민감하지 않다는 점을 보장함으로써, 알고리즘 설계 시 자유도가 크게 늘어난다. 둘째, 불변성은 거리의 안정성(stability) 결과와도 자연스럽게 연결되며, 작은 노이즈가 필터링 함수에 가해졌을 때 거리값이 크게 변동하지 않음을 추가로 뒷받침한다. 셋째, 이 결과는 기존에 ‘특정 전단 선택에 의존한다’는 비판을 받던 다차원 영속성 이론을 보다 견고한 수학적 기반 위에 놓는다.