A Python implementation of some geometric tools on Kendall 3D shape space for practical applications

Dieser Artikel stellt eine Python-Implementierung geometrischer Werkzeuge für den Kendall'schen 3D-Formraum vor, die die Lücke zwischen theoretischer Riemannscher Geometrie und praktischen Anwendungen schließt, indem sie spezifische Funktionen ergänzt, die in der führenden Bibliothek Geomstats fehlen.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Architekt, der Häuser aus verschiedenen Perspektiven betrachtet. Ein Haus ist immer dasselbe Haus, egal ob Sie es von vorne, von der Seite oder von oben sehen (Rotation), egal ob Sie es auf dem Bildschirm vergrößern oder verkleinern (Skalierung) und egal ob Sie es auf dem Tisch nach links oder rechts schieben (Position).

In der Welt der Mathematik und Computerwissenschaften gibt es eine spezielle Art, diese "wahren Formen" zu analysieren, ohne sich von diesen Verschiebungen täuschen zu lassen. Das nennt man Kendalls Formraum.

Dieses Papier beschreibt ein neues Werkzeugkasten-Update für Programmierer, das es viel einfacher macht, mit diesen komplexen Formen zu arbeiten. Hier ist die Erklärung, wie ein einfacher Spaziergang durch den Wald:

1. Das Problem: Der krumme Pfad im Wald

Stellen Sie sich vor, Sie wollen die Ähnlichkeit von zwei Häusern messen. In einer normalen, flachen Welt (wie einem flachen Blatt Papier) ist das einfach: Sie messen die Distanz mit einem Lineal.

Aber die Welt der Formen ist nicht flach. Sie ist wie eine krumme Oberfläche (ein Berg oder eine Kugel). Wenn Sie versuchen, die Distanz zwischen zwei Häusern auf diesem krummen Berg zu messen, funktioniert Ihr normales Lineal nicht mehr. Das ist das Problem, das Forscher haben: Sie wissen die mathematische Theorie (die Geometrie des Berges), aber sie haben keine guten Werkzeuge, um sie in Computercode zu verwandeln.

Bisher gab es ein großes Werkzeug namens Geomstats, das wie ein Schweizer Taschenmesser für solche mathematischen Probleme ist. Aber es fehlten ihm spezielle Schraubenzieher für den ganz speziellen Fall von 3D-Formen (wie Häuser, Knochen oder Gesichter).

2. Die Lösung: Ein neuer Werkzeugkasten

Die Autoren dieses Papiers haben genau diese fehlenden Werkzeuge gebaut. Sie haben Python-Code geschrieben, der die komplizierte Mathematik in einfache, lauffähige Befehle verwandelt.

Sie haben zwei Hauptaufgaben gelöst:

A. Der "Ortswechsel" (Die Tangential-Ebene)

Stellen Sie sich vor, Sie stehen auf einem riesigen, krummen Berg (dem Formraum). Um zu rechnen, wollen Sie aber auf einer flachen Ebene stehen.

• Die Idee: An jedem Punkt auf dem Berg gibt es eine kleine, flache Ebene, die den Berg genau dort berührt (die sogenannte Tangentialebene).
• Das Werkzeug: Das Papier bietet eine Methode, um für jedes beliebige Haus (jeden Punkt auf dem Berg) eine perfekte, flache Koordinatenkarte zu erstellen.
• Die Analogie: Es ist wie ein 3D-Drucker, der für jedes Haus eine flache Schablone druckt. Auf dieser Schablone können Sie dann einfach herumspielen, neue Häuser "simulieren" oder zufällige Variationen erzeugen, ohne den Berg zu verlassen. Ohne dieses Werkzeug wäre das wie der Versuch, auf einem Seil zu tanzen, ohne ein Gleichgewichtssystem zu haben.

B. Die "Krummheits-Messung" (Schnittkrümmung)

Nicht jeder Berg ist gleich krumm. Manche sind wie eine Kugel (überall gleich krumm), andere sind wie ein Sattel (in eine Richtung gekrümmt, in die andere flach).

• Das Problem: Der Formraum für 3D-Objekte ist extrem komplex gekrümmt. Um zu verstehen, wie sich Formen verändern, müssen Forscher wissen, wie "krumm" der Berg an einer bestimmten Stelle ist.
• Die Analogie: Stellen Sie sich vor, Sie laufen mit zwei Freunden auf einem krummen Pfad. Wenn Sie beide geradeaus laufen, werden Sie sich auf einer flachen Ebene nie treffen. Auf einem krummen Berg aber könnten Sie sich plötzlich wieder treffen oder voneinander entfernen, nur weil der Pfad krumm ist.
• Das Werkzeug: Die Autoren haben einen Algorithmus entwickelt, der genau berechnet, wie stark sich zwei Wege in diesem Formraum voneinander entfernen oder annähern. Sie nutzen dafür eine Art "mathematischen Kompass", der die Krümmung misst. Das ist wichtig, um zu verstehen, wie stabil oder veränderlich eine Form ist.

3. Warum ist das wichtig?

Stellen Sie sich vor, Sie sind ein Arzt, der Knochenbrüche analysiert, oder ein Archäologe, der alte Schädeltöpfe vergleicht.

• Ohne diese Werkzeuge müssten Sie die komplizierte Mathematik selbst in Code übersetzen – ein Prozess, der Jahre dauern und voller Fehler sein könnte.
• Mit diesen neuen Python-Tools können Sie einfach sagen: "Hier ist mein Haus (oder Knochen), zeig mir, wie es sich verändert" oder "Wie krumm ist der Raum, in dem sich diese Formen bewegen?".

Zusammenfassung

Dieses Papier ist im Grunde eine Übersetzung. Die Autoren haben die hochkomplexe, abstrakte Sprache der Riemannschen Geometrie (die Sprache der krummen Räume) in eine einfache, praktische Sprache für Computerprogramme übersetzt.

Sie haben:

1. Eine Methode erfunden, um auf dem krummen Berg eine flache Arbeitsfläche zu bauen (Orthonormale Basis).
2. Ein Messgerät gebaut, um die Krümmung des Berges exakt zu berechnen (Schnittkrümmung).

Damit machen sie es für Forscher weltweit möglich, die Formen unserer Welt (von Zellen bis zu ganzen Gebäuden) präzise zu analysieren, ohne sich in mathematischen Formeln zu verirren. Der Code ist kostenlos verfügbar und wartet darauf, genutzt zu werden.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers auf Deutsch:

Technische Zusammenfassung: Python-Implementierung geometrischer Werkzeuge für den Kendall-3D-Formraum

Autoren: Jorge Valero, Vicent Gimeno i Garcia, M. Victoria Ibáñez, Pau Martinavarro und Amelia Simó.
Datum: 12. März 2026 (vorläufiges Datum des Preprints).

---

1. Problemstellung

Die Analyse geometrischer Strukturen, die unabhängig von Position, Skalierung und Orientierung sind (Formanalyse), ist ein zentrales Anliegen in der Computer Vision und medizinischen Bildgebung. Der Kendall-3D-Formraum ($\Sigma^3_k$) bietet hierfür einen rigorosen mathematischen Rahmen, der Formen als Punkte auf einer Riemannschen Mannigfaltigkeit behandelt.

Trotz der etablierten theoretischen Grundlagen stellt die Übertragung dieser komplexen abstrakten Konzepte in effiziente, praktische Rechenwerkzeuge eine erhebliche Hürde dar. Die derzeit führende Python-Bibliothek für Riemannsche Geometrie, Geomstats, deckt zwar allgemeine statistische Aufgaben auf Mannigfaltigkeiten ab, bietet jedoch keine spezifischen Utilities für fortgeschrittene 3D-Formanalysen. Es fehlen insbesondere Werkzeuge für die Simulation im Tangentialraum und die Berechnung der sektoralen Krümmung in diesem spezifischen Kontext.

2. Methodik

Das Papier beschreibt die mathematische Herleitung und die anschließende Implementierung in Python, um diese Lücken zu schließen.

Mathematische Grundlagen:

• Vorform-Raum ($S^3_k$): Durch Eliminierung von Translation (mittels Helmert-Submatrix) und Skalierung (Normierung auf den Frobenius-Norm) wird der Vorform-Raum definiert. Dieser liegt auf einer Hypersphäre im $\mathbb{R}^{3(k-1)}$.
• Formraum ($\Sigma^3_k$): Der eigentliche Formraum ist der Quotient des Vorform-Raums unter der Wirkung der Rotationsgruppe $SO(3)$.
• Tangentialraum: Da der Raum nicht-euklidisch ist, wird für lokale Analysen der Tangentialraum $T_X\Sigma^3_k$ verwendet. Dieser hat die Dimension $d = 3k - 7$.

Kernmethodische Schritte:

1. Orthonormalbasis für den Tangentialraum:
   Um Simulationen im Tangentialraum durchzuführen, muss eine Orthonormalbasis $\{v_1, \dots, v_d\}$ für den horizontalen Tangentialraum $H_Z$ (senkrecht zur vertikalen Verteilung der Rotationen) berechnet werden.

   • Ansatz: Das Problem wird als Berechnung der Singulärwertzerlegung (SVD) einer spezifischen Matrix formuliert.
   • Verfahren: Die vertikale Verteilung wird durch die Lie-Algebra von $SO(3)$ (dargestellt durch Matrizen $L_x, L_y, L_z$) definiert. Der horizontale Raum ist der Kern eines selbstadjungierten Endomorphismus $f$. Durch SVD wird eine Basis für den Kern (Nullraum) extrahiert, die als Orthonormalbasis für den Tangentialraum dient.

2. Berechnung der sektoralen Krümmung (Sectional Curvature):
   Die Krümmung des Kendall-Formraums ist nicht konstant und komplexer als bei einer einfachen Sphäre.

   • Formel: $K(u, v) = 1 + \frac{3}{4} \|[u, v]_V\|^2$, wobei $[u, v]_V$ die vertikale Komponente des Lie-Klammer-Ausdrucks ist.
   • Herausforderung: Die Berechnung der vertikalen Komponente erfordert eine spezielle Basis und bekannte Produkte.
   • Lösung:
     1. SVD der Konfigurationsmatrix $X = U\Sigma V^T$.
     2. Konstruktion einer angepassten Basis $\{\frac{\partial}{\partial \lambda_i}, \xi_{ij}\}$ basierend auf den Singulärwerten $\lambda_i$.
     3. Anwendung bilinearer Formeln für die Lie-Klammern dieser Basisvektoren (basierend auf Kendall et al., 2009).
     4. Berechnung des Betrags der vertikalen Komponente und Einsetzen in die Krümmungsformel.

3. Schlüsselbeiträge und Implementierung

Die Autoren stellen eine Python-Erweiterung bereit, die direkt mit Geomstats kompatibel ist und zwei Hauptmodule umfasst:

• Modul orthonormal_basis_to_simulate.py:

  • get_tangent_base_kendall: Berechnet die Orthonormalbasis des Tangentialraums an einem gegebenen Punkt.
  • simulate_in_tangent_space: Generiert Zufallsstichproben im Tangentialraum und projiziert diese zurück in den Formraum.
  • Anwendungsbeispiel: Simulation von 3D-Häusern, definiert durch 10 Landmarken.

• Modul sectional_curvature.py:

  • __init__: Führt die SVD der Eingabematrix durch.
  • get_xi_basis: Konstruiert die angepasste Orthonormalbasis ($\xi_{ij}$).
  • compute_vertical_bracket_norm_sq: Berechnet $\|[u, v]_V\|^2$ unter Verwendung der spezifischen Kommutator-Formeln.
  • sectional_curvature: Berechnet die finale sektionale Krümmung für einen durch zwei Vektoren definierten Schnitt.

Der Code ist öffentlich unter der angegebenen URL verfügbar.

4. Ergebnisse und Signifikanz

• Brückenschlag zwischen Theorie und Praxis: Das Papier übersetzt hochkomplexe mathematische Abstraktionen (Riemannsche Submersionen, Lie-Algebren, Sektoral-Krümmung) in effiziente, lauffähige Software.
• Erweiterung von Geomstats: Es werden spezifische Funktionen hinzugefügt, die in der allgemeinen Bibliothek fehlten und für die 3D-Formanalyse essenziell sind.
• Anwendbarkeit: Die Werkzeuge ermöglichen Forschern, statistische Analysen und Simulationen direkt auf dem gekrümmten Kendall-Formraum durchzuführen, ohne die mathematischen Details manuell implementieren zu müssen.
• Reproduzierbarkeit: Durch die Bereitstellung des Codes und die detaillierte Beschreibung der Algorithmen (Schritt-für-Schritt-Verfahren für Basis und Krümmung) wird die Reproduzierbarkeit von Formanalyse-Studien in der medizinischen Bildgebung und Computer Vision gefördert.

Fazit:
Diese Arbeit liefert einen kritischen Baustein für die praktische Anwendung der Kendall-Formtheorie. Sie adressiert das Defizit an spezialisierten Software-Tools und ermöglicht es der Forschungscommunity, die volle Komplexität der Riemannschen Geometrie von 3D-Formen für statistische Auswertungen und Simulationen zu nutzen.