빠른 입자 필터링을 위한 구간 상수 순차 중요도 샘플링

초록

본 논문은 입자 필터링에서 비용이 큰 likelihood 계산을 감소시키기 위해, 상태 공간을 사전 정의된 격자로 나누고 각 격자를 대표하는 더미 입자를 이용해 likelihood를 근사하는 pcSIR(구간 상수 SIR) 알고리즘을 제안한다. 이 방법은 동일한 정확도를 유지하면서 연산량을 크게 줄이며, 특히 이미지 기반 추적에서 효과적임을 실험을 통해 보인다.

상세 분석

pcSIR은 기존 SIR의 SIS 단계에서만 변형을 가한다. 입자들을 n‑차원 격자(셀)로 구분하고, 같은 셀에 속한 입자들의 상태 평균과 무게 중심을 이용해 하나의 더미 입자를 만든다. 이 더미 입자에 대해서만 likelihood를 평가하고, 얻어진 가중치를 셀에 속한 모든 실제 입자에게 동일하게 할당한다. 따라서 likelihood 평가 횟수는 전체 입자 수 N이 아니라 셀 수 B로 감소한다. 이 접근은 다변량 함수의 구간 상수 근사를 Taylor 전개와 Riemann 합 오차 분석을 통해 이론적으로 정당화된다. 논문은 셀 크기(lx, ly)가 작을수록 근사 오차 E_pcSIR(l) 가 SIR의 오차 E_SIR(N)에 수렴함을 증명하고, 오차 상한을 O(l²) 형태로 제시한다. 또한, Monte‑Carlo 샘플링 오차가 O(N^{-1/2}) 수준이므로 1차 근사만으로도 전체 필터링 정확도에 큰 영향을 주지 않는다. 실험에서는 픽셀 크기를 셀 크기로 선택한 pcSIR‑1x1과 2x2 변형을 사용했으며, 복잡한 likelihood(예: 이미지 형성 모델)에서 계산 시간은 10배 이상 감소하면서 추적 정확도는 거의 동일하거나 약간 향상되었다. BPF와 비교했을 때, pcSIR은 여전히 점 입자를 유지하므로 좁은 사후 분포도 정확히 표현할 수 있다. 전체 알고리즘은 기존 SIR 코드에 최소한의 수정만으로 적용 가능하므로 실무에서 바로 활용할 수 있다.