MS-DGCNN++: Multi-Scale Dynamic Graph Convolution with Scale-Dependent Normalization for Robust LiDAR Tree Species Classification

1. Il Problema

La classificazione delle specie arboree basata su nuvole di punti LiDAR (sia da scanner terrestre TLS che aereo ALS) presenta una sfida fondamentale: l'eterogeneità geometrica e di densità.

• Variazione di scala: All'interno della stessa nuvola di punti, la densità varia di ordini di grandezza (es. tronchi densi con spaziature di pochi millimetri vs. chiome sparse con spaziature di centinaia di millimetri).
• Limitazione degli approcci esistenti: Le architetture basate su grafi, come il classico DGCNN (Dynamic Graph Convolutional Neural Network), utilizzano solitamente una codifica degli spigoli (edge encoding) fissa e uniforme a tutte le scale. Questo approccio è subottimale perché:
  • A scale locali (vicini prossimi), i vettori di spostamento grezzi sono informativi, ma le direzioni normalizzate sono rumorose a causa del basso rapporto segnale-rumore (SNR).
  • A scale intermedie/grandi, le magnitudini dei vettori grezzi sono dominate dalla variazione di densità dei punti piuttosto che dalla geometria intrinseca, introducendo un bias nei meccanismi di aggregazione (es. max-pooling).
  • I metodi multi-scala esistenti spesso applicano la stessa codifica a tutti i livelli o mancano di una giustificazione teorica per l'uso di diverse rappresentazioni in base alla scala.

2. Metodologia: MS-DGCNN++

Gli autori propongono MS-DGCNN++, una rete convoluzionale su grafo dinamico multi-scala gerarchica che introduce un codifica degli spigoli dipendente dalla scala.

A. Codifica degli Spigoli Asimmetrica

Il cuore dell'innovazione è l'uso di rappresentazioni diverse in base alla scala di vicinanza ($k$):

1. Scala Locale ($k_1$, piccolo raggio): Utilizza solo il vettore di spostamento grezzo ($r = q - p$) e le coordinate del punto centrale.
   • Motivazione: A distanze brevi, l'SNR per la stima della direzione è basso; la normalizzazione introdurrebbe rumore. Si preserva la geometria metrica fine.
2. Scala Intermedia ($k_2$, raggio medio): Utilizza un encoding ibrido: vettore grezzo + direzione normalizzata ($\hat{r} = r/\|r\|$) + posizione assoluta.
   • Motivazione: A distanze maggiori, l'errore quadratico medio (MSE) della direzione normalizzata decade come $O(1/s^2)$, rendendola robusta alle variazioni di densità. L'aggiunta del vettore grezzo preserva l'informazione sulla scala assoluta.
3. Fusione Gerarchica: Le feature estratte a scala locale e intermedia vengono fuse tramite convoluzioni apprese prima di passare a strati successivi di EdgeConv operanti in uno spazio delle feature appreso (scala globale $k_3$).

B. Giustificazione Teorica

Il paper fornisce un'analisi teorica del rumore che dimostra:

• L'MSE dei vettori grezzi è costante ($2D\sigma^2$), indipendente dalla distanza.
• L'MSE delle direzioni normalizzate decade con il quadrato della distanza ($O(1/s^2)$).
• Esiste un punto di incrocio teorico (crossover) al SNR $\approx 1.22$ oltre il quale la normalizzazione diventa vantaggiosa. MS-DGCNN++ sfrutta questo principio applicando la normalizzazione solo dove il SNR è sufficientemente alto.

3. Contributi Chiave

1. Architettura Innovativa: Introduzione di un encoding asimmetrico che adatta la rappresentazione geometrica alla scala spaziale, risolvendo il problema della sensibilità alla densità nei grafi dinamici.
2. Giustificazione Teorica: Dimostrazione formale che l'encoding ibrido è ottimale dal punto di vista del rumore, con cinque esperimenti di ablazione che validano la teoria (analisi del rumore, dropout di densità, provenienza del max-pooling, ecc.).
3. Efficienza Parametrica: Il modello utilizza solo 1.81 milioni di parametri, risultando 7-24 volte più leggero rispetto ai metodi self-supervised basati su Transformer (che ne usano 12-44M), pur ottenendo prestazioni superiori o competitive.
4. Robustezza Dimostrata: Analisi estesa su cinque tipi di perturbazioni (rumore, dropout di punti, outlier, riduzione del numero di punti, few-shot learning).

4. Risultati Sperimentali

Il modello è stato valutato su due dataset principali: STPCTLS (7 specie, TLS) e HeliALS (9 specie, ALS).

• STPCTLS (Terrestre):

  • MS-DGCNN++ (variante Hybrid-Everywhere) ha raggiunto la migliore accuratezza complessiva (OA) del 92.91% tra 56 modelli testati.
  • Ha superato i metodi self-supervised (come PointM2AE, RECON) pur usando parametri molto inferiori e senza pre-training su dataset esterni.
  • La variante Default Asymmetric ha ottenuto la migliore accuratezza bilanciata (88.53%), indicando una migliore performance sulle specie minoritarie.

• HeliALS (Aereo):

  • Ha raggiunto un OA del 73.66% e la migliore accuratezza bilanciata (50.28%) tra i metodi basati solo su geometria.
  • Ha eguagliato le prestazioni di FGI-PointTransformer (che usa 4 volte più punti di input) utilizzando solo 2.048 punti.

• Analisi di Robustezza:

  • Dropout di densità: La variante asimmetrica ha mostrato il degrado più piatto sotto la rimozione di punti dalla chioma, superando tutti gli altri modelli a densità estreme (5% di retention).
  • Rumore: La variante asimmetrica mantiene prestazioni superiori a livelli di rumore moderati-alto ($\sigma \ge 10$ mm).
  • Outlier: La variante Hybrid-Everywhere ha mostrato la massima resilienza all'iniezione di outlier.

5. Significato e Impatto

Questo lavoro è significativo per diversi motivi:

• Superamento del collo di bottiglia della scala singola: Dimostra che l'adattamento dell'encoding alla scala spaziale è cruciale per applicazioni reali con dati LiDAR eterogenei, superando i limiti delle architetture grafiche standard.
• Efficienza per il deployment: Fornisce un modello ad alte prestazioni ma leggero, ideale per dispositivi edge o applicazioni forestali dove la memoria e l'energia sono vincoli critici, eliminando la necessità di pesanti pre-training self-supervised.
• Guida pratica: Offre linee guida chiare su quale variante del modello utilizzare in base alle condizioni di deployment (es. ambiente con densità variabile vs. ambiente con rumore/outlier).
• Validazione teorica: Colma il divario tra l'osservazione empirica e la teoria del rumore, fornendo una base matematica per la progettazione di reti su grafi per nuvole di punti non uniformi.

In sintesi, MS-DGCNN++ rappresenta un avanzamento significativo nella classificazione delle specie arboree, combinando rigore teorico, efficienza computazionale e robustezza operativa in ambienti forestali complessi.