Resumen Técnico: Campos de Clasificación: Agrupamiento Jerárquico Recursivo Arbitrariamente Fino a Partir de Pocos Ejemplos

1. Enunciado del Problema

Los métodos clásicos de agrupamiento jerárquico operan típicamente sobre una muestra finita fija, devolviendo ya sea una partición finita de los datos o un dendrograma finito. Este enfoque es inadecuado cuando la jerarquía subyacente de interés es un objeto geométrico recursivo con refinamientos a escala fina que se extienden más allá de los niveles observados directamente. En tales regímenes, el número de centros de clúster latentes ($k$) puede crecer mucho más allá del número de nodos observados ($N$), y los refinamientos pueden continuar a profundidades no presentes en los datos de entrenamiento.

La pregunta central abordada por este trabajo es: ¿Podemos aprender una regla de refinamiento local a partir de un prefijo observado finito de una jerarquía y desplegarla recursivamente para generar niveles sustancialmente más profundos y no observados?

Los enfoques actuales diferenciables o aprendidos para la jerarquía suelen ajustar un árbol observado finito, incrustar una estructura fija u optimizar un objetivo de agrupamiento finito. No aprenden directamente un mecanismo de refinamiento capaz de un despliegue recursivo más allá de la jerarquía observada.

2. Metodología: Campos de Clasificación

Los autores introducen los Campos de Clasificación, un modelo métrico-geométrico para el agrupamiento jerárquico de profundidad infinita.

2.1 Definiciones Centrales

• Generador de Campo de Clasificación (CFG): Una regla local $r: \mathbb{R}^d \to (\mathbb{R}^d)^K$ que mapea un centro padre a una $K$-tupla ordenada, acotada y separada de residuos hijos.
  • Restricciones: Para cualquier padre $x$, los residuos hijos $\{r_k(x)\}$ deben estar contenidos en un anillo euclidiano (norma acotada) y estar separados por $s_{sep}$.
  • Construcción: Los CFG pueden construirse mediante deformaciones ortogonales-diagonales-ortogonales de un empaquetamiento de referencia fijo, garantizando que se cumplan las restricciones geométricas.
• Campo de Clasificación: La estructura jerárquica de profundidad infinita obtenida al aplicar recursivamente el CFG partiendo de una raíz $x_0$ y un factor de escala $s$.
  • Estructura: El campo es un Grafo Acíclico Dirigido (DAG) métrico generado recursivamente.
  • Componentes: Genera centros de clúster, celdas de Voronoi asociadas y direcciones genealógicas.
  • Métricas: El artículo define tres métricas de distancia en el campo:
    1. Métrica de Árbol: Basada en pesos de aristas combinatorias (dependientes del nivel).
    2. Métrica Basada en Puntos: Basada en distancias euclidianas entre centros.
    3. Métrica Basada en Celdas: Basada en distancias de Hausdorff entre celdas de Voronoi, escaladas por la profundidad.

2.2 Aprendizaje: Predictores de Campo de Clasificación (CFP)

Dado un prefijo finito de una jerarquía (observado hasta la profundidad $L_{train}$), el objetivo es aprender un Predictor de Campo de Clasificación (CFP), denotado $\hat{r}$, que aproxime el CFG subyacente.

• Objetivo de Entrenamiento: Minimizar el error cuadrático entre los residuos hijos predichos y los residuos observados:
  $$\mathcal{L}(\hat{r} | \mathcal{H}_{train}) = \sum_{l=0}^{L_{train}-1} \sum_{x \in \mathcal{H}_l} \sum_{k=1}^K \| x + s^{l+1}\hat{r}(x)_k - \text{chld}(x)_k \|_2^2$$
• Despliegue Recursivo: En el momento de la prueba, $\hat{r}$ se aplica recursivamente desde la raíz. Cada hijo generado se convierte en padre para el siguiente nivel. No se utilizan nodos de verdad fundamental de niveles no vistos durante el despliegue.

2.3 Garantías Teóricas

El artículo establece que las truncaciones finitas del campo aprendido convergen al campo completado de profundidad infinita bajo condiciones específicas:

• Convergencia Exponencial: Bajo suposiciones de acotación, separación y regularidad, la distancia de Hausdorff entre la truncación de profundidad-$L$ y el campo completado decae exponencialmente con $L$.
• Realizabilidad Neuronal: Las ventanas de refinamiento finitas requeridas para aproximar el CFG pueden ser realizadas por Perceptrones Multicapa (MLP) con funciones de activación ReLU.
  • Complejidad: El ancho requerido es $O(\varepsilon^{-\gamma})$ y la profundidad es $\tilde{O}(\varepsilon^{-3\gamma/2})$, donde $\gamma = \log K / (-\log s)$.
  • Esto demuestra que una red neuronal finita puede actuar como un mecanismo de aproximación finita para una estructura jerárquica de profundidad infinita.

3. Validación Experimental

Los autores evalúan el CFP en tres configuraciones de creciente desajuste con respecto a la teoría idealizada:

1. Jerarquías Generadas por CFG Coincidentes:

   • Configuración: Datos generados por un CFG conocido de la misma familia utilizada en la teoría.
   • Resultado: El CFP mantiene el error nivel por nivel más bajo a través de horizontes de despliegue no vistos en comparación con las líneas base (constante aprendible, residuo promedio y predictores afines). Esto confirma que la regla local aprendida permanece coherente bajo composición auto-recursiva repetida.

2. Jerarquías Fractales IFS de Fuera de Familia:

   • Configuración: Jerarquías generadas por Sistemas de Funciones Iteradas (IFS) con perturbaciones no lineales suaves (por ejemplo, triángulo de Sierpiński, polvo de Cantor, curva de Koch). Estas tienen una estructura recursiva exacta pero no se extraen de la familia parametrizada de CFG.
   • Resultado: El CFP logra un MSE menor, una Distancia de Chamfer Invariante a Permutaciones (PI-CD) menor y una distorsión de profundidad menor que las líneas base. Esto demuestra que la formulación de campo de clasificación generaliza más allá de la clase de generadores coincidentes.

3. Jerarquías de Agrupamiento Recursivo Inducidas por Imágenes:

   • Configuración: Jerarquías construidas a partir de incrustaciones CLIP de imágenes de CIFAR-10 y CIFAR-100 utilizando un método de agrupamiento profundo recursivo. La regla de refinamiento es aproximada y los espacios hijos requieren canonicación (ordenamiento) mediante PCA.
   • Resultado: El CFP supera significativamente a las líneas base en la preservación de la geometría no ordenada (PI-CD) y las métricas de ruta a nivel de jerarquía (dpt-distortion). Esto sugiere que incluso en configuraciones ruidosas con datos reales, los prefijos finitos de jerarquía contienen mecanismos de refinamiento aprendibles.

4. Contribuciones Clave

1. Marco Conceptual: Introducción de los Campos de Clasificación como un modelo métrico-geométrico para el agrupamiento jerárquico de profundidad infinita, desplazando el enfoque de aprender una jerarquía sobre muestras finitas a aprender una regla de refinamiento local reutilizable de padre a hijo.
2. Teoría Métrica: Desarrollo de una teoría métrica rigurosa para estos objetos, incluyendo definiciones para distancias basadas en árbol, puntos y celdas, y límites cuantitativos para la convergencia de truncaciones finitas al campo completado.
3. Realizabilidad Neuronal: Demostración de que las ventanas de refinamiento finitas pueden representarse mediante predictores ReLU, estableciendo un mecanismo de despliegue neuronal finito para la completación jerárquica de profundidad infinita con límites de complejidad explícitos.

5. Significado y Afirmaciones

El artículo afirma que las observaciones jerárquicas finitas pueden revelar reglas de refinamiento local capaces de generar campos de clasificación sustancialmente más profundos. Los resultados apoyan la visión de que el agrupamiento jerárquico puede enmarcarse como el aprendizaje de una ley de refinamiento recursiva local en lugar de la construcción de un resumen combinatorio finito.

Los autores posicionan este trabajo como una visión complementaria a los métodos existentes de agrupamiento jerárquico. Señalan explícitamente limitaciones: el marco asume un factor de ramificación fijo, una separación suficiente y un proceso de refinamiento reutilizable. Reconocen que extender el marco a jerarquías ruidosas, de ramificación variable, débilmente alineadas o no auto-similares sigue siendo una dirección importante para el trabajo futuro. Los experimentos se presentan como sondas de validación en lugar de afirmaciones de que todo problema de agrupamiento jerárquico admite un campo de clasificación perfecto.