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

Este trabalho apresenta uma implementação em Python de ferramentas geométricas para o Espaço de Formas 3D de Kendall, visando preencher a lacuna entre a teoria geométrica complexa e fluxos de trabalho computacionais práticos, complementando bibliotecas existentes como o Geomstats com utilitários específicos para análise avançada de formas 3D.

O essencial

Imagine que você é um arquiteto ou um médico tentando comparar a forma de diferentes objetos: uma casa, um fêmur humano ou uma concha. O problema é que esses objetos podem estar em lugares diferentes, ter tamanhos diferentes ou estar virados de lado. Se você apenas comparasse as coordenadas de seus pontos, a comparação seria injusta. Você quer saber apenas sobre a forma, ignorando onde está, quão grande é ou para onde aponta.

É aqui que entra a Geometria de Kendall, uma ferramenta matemática sofisticada que trata formas como pontos em um "universo" especial. Mas, assim como viajar para um planeta distante, navegar nesse universo é difícil porque ele não é plano como o nosso chão; ele é curvo, como a superfície da Terra.

Este artigo apresenta um "kit de ferramentas" em Python (uma linguagem de programação) que ajuda os pesquisadores a navegar nesse universo curvo com muito mais facilidade.

Aqui está a explicação do que os autores fizeram, usando analogias do dia a dia:

1. O Problema: O Mapa é Curvo

A maioria dos softwares de estatística funciona como se o mundo fosse uma folha de papel plana (euclidiana). Mas a "espaço das formas" é como uma esfera gigante ou uma montanha.

• A Analogia: Imagine tentar desenhar um mapa de um globo terrestre em uma folha de papel plana. Você sempre vai distorcer algo. Da mesma forma, tentar analisar formas complexas usando matemática plana gera erros.
• O Desafio: Existe um software famoso chamado Geomstats que já ajuda a lidar com essas superfícies curvas, mas ele é como um carro de luxo que vem sem o kit de reparos específico para dirigir em estradas de terra (análise 3D específica). Faltavam ferramentas para lidar com formas 3D complexas.

2. A Solução: Traduzindo a Matemática para Código

Os autores criaram um "tradutor" que pega conceitos matemáticos abstratos e os transforma em código de computador que qualquer pesquisador pode usar. Eles focaram em duas ferramentas principais:

A. O "Guia de Navegação" (Base Ortogonal)

Para estudar uma forma, os cientistas precisam olhar para ela de perto, em um "plano tangente".

• A Analogia: Imagine que você está no topo de uma montanha (a forma 3D). Para entender o terreno ao seu redor, você precisa de um mapa plano local. Mas, como a montanha é redonda, você precisa de um sistema de coordenadas perfeito para não se perder.
• O que o código faz: Eles criaram uma função que calcula esse "mapa plano" perfeito em qualquer ponto da montanha. Isso permite que os pesquisadores "simulem" variações (como imaginar uma casa levemente diferente) e vejam como elas se comportam nesse espaço curvo, sem que a matemática quebre.

B. O "Medidor de Curvatura" (Curvatura Seccional)

Nem todas as montanhas são iguais. Algumas são suaves, outras têm picos agudos. No mundo das formas, a "curvatura" diz o quanto o espaço se desvia de ser plano.

• A Analogia: Se você andar em linha reta em um campo plano, você nunca se encontra de novo. Se você andar em linha reta na Terra (uma esfera), eventualmente você volta ao ponto de partida. A "curvatura" mede o quanto o seu caminho se curva.
• O que o código faz: Calcular essa curvatura para formas 3D é extremamente difícil e cheio de equações complexas (como se fosse tentar calcular a curvatura de um toroide feito de gelatina). Os autores desenvolveram um algoritmo que faz esse cálculo de forma automática e rápida, permitindo que os cientistas entendam a "topografia" do espaço das formas que estão estudando.

3. Por que isso é importante?

Antes desse trabalho, um pesquisador precisava ser um gênio em matemática avançada para fazer essas análises. Era como tentar consertar um motor de foguete com um martelo e um alicate.

Com essa nova biblioteca em Python:

1. Acessibilidade: Médicos, biólogos e engenheiros podem usar essas ferramentas sem precisar ser matemáticos puros.
2. Precisão: As análises de formas 3D (como o formato de um coração ou de um prédio) tornam-se mais precisas, pois respeitam a geometria real do objeto.
3. Inovação: Abre portas para novas descobertas em visão computacional e imagens médicas, permitindo comparar formas de maneira que antes era impossível.

Resumo Final

Pense neste artigo como a entrega de um GPS e um kit de ferramentas para quem quer explorar o "Planeta das Formas 3D". Os autores pegaram a matemática complexa que estava trancada em teorias difíceis e a transformaram em um software prático, permitindo que pesquisadores de todo o mundo naveguem, meçam e entendam a beleza e a complexidade das formas do nosso mundo, independentemente de onde elas estejam ou de que tamanho sejam.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo, apresentado em português:

Resumo Técnico: Ferramentas Geométricas para o Espaço de Formas de Kendall 3D em Python

Título: Uma implementação em Python de ferramentas geométricas no Espaço de Formas de Kendall 3D para aplicações práticas.
Autores: Jorge Valero, Vicent Gimeno i Garcia, M. Victoria Ibáñez, Pau Martinavarro e Amelia Simó.
Data: 12 de março de 2026.

---

1. Problema Identificado

A análise de estruturas geométricas independentes de posição, escala e orientação é fundamental em visão computacional e imagem médica. O Espaço de Formas de Kendall oferece um quadro matemático rigoroso para isso, tratando formas como pontos em uma variedade (manifold) e permitindo o uso da geometria Riemanniana para análise estatística.

No entanto, existe uma lacuna significativa entre a teoria matemática abstrata e a implementação computacional prática:

• Embora a biblioteca Geomstats seja a principal ferramenta Python para estatística baseada em variedades, ela carece de utilitários específicos necessários para a análise avançada de formas 3D.
• Pesquisadores enfrentam dificuldades para traduzir conceitos complexos (como curvatura seccional não constante e bases ortonormais em espaços tangentes de dimensão reduzida) em fluxos de trabalho computacionais eficientes.

2. Metodologia e Fundamentos Matemáticos

O trabalho baseia-se na definição do espaço de formas $\Sigma^k_3$ como o espaço quociente das configurações de $k$ pontos em $\mathbb{R}^3$ sob transformações de similaridade euclidiana.

A abordagem metodológica divide-se em três pilares principais:

A. Pré-processamento e Espaço Pré-forma

• Eliminação de Localização: Utiliza a submatriz de Helmert ($H$) para remover a translação, resultando em coordenadas Helmertizadas ($X_H$).
• Eliminação de Escala: Divide-se por tamanho do centróide (norma de Frobenius) para obter a pré-forma ($Z_X$), que reside na esfera unitária de $\mathbb{R}^{3(k-1)}$.
• Remoção de Rotação: O espaço de formas é definido como o quociente do espaço de pré-formas pelo grupo de rotações $SO(3)$.

B. Construção de Base ortonormal no Espaço Tangente

Para simulações no espaço tangente $T_X\Sigma^k_3$ (que tem dimensão $d = 3k - 7$), é necessário uma base ortonormal específica, pois a dimensão do espaço tangente é menor que a da esfera embutida ($3(k-1)$).

• Abordagem: O espaço tangente horizontal é identificado como o núcleo de um endomorfismo específico $f$, que projeta vetores nas direções verticais (rotações).
• Algoritmo: Utiliza-se a Decomposição em Valores Singulares (SVD) de uma matriz construída a partir das distribuições verticais (geradas pelas matrizes da álgebra de Lie de $SO(3)$) para extrair a base ortonormal do espaço horizontal.

C. Cálculo da Curvatura Seccional

A curvatura seccional no espaço de formas de Kendall não é constante (diferente de uma esfera simples).

• Fórmula: $K(u, v) = 1 + \frac{3}{4} \|[u, v]_V\|^2$, onde $[u, v]_V$ é a componente vertical do colchete de Lie.
• Desafio: Calcular a componente vertical do colchete para vetores arbitrários.
• Solução:
  1. Realiza-se a SVD do ponto de referência $X$.
  2. Constrói-se uma base adaptada de Kendall ($\{\frac{\partial}{\partial \lambda_i}, \xi_{ij}\}$) baseada nos valores singulares ($\lambda_i$).
  3. Expressam-se os vetores de entrada nesta base de Kendall.
  4. Aplica-se a bilinearidade do colchete de Lie usando fórmulas explícitas de comutadores fornecidas na literatura (Kendall et al., 2009).
  5. Calcula-se o produto interno das componentes verticais para obter a norma final.

3. Contribuições Principais

O artigo apresenta uma implementação prática em Python que estende as capacidades do Geomstats:

1. Módulo orthonormal_basis_to_simulate.py:

   • get_tangent_base_kendall: Computa a base ortonormal do espaço tangente em um ponto dado.
   • simulate_in_tangent_space: Gera amostras aleatórias no espaço tangente e projeta-as de volta no espaço de formas.
   • Exemplo prático: Simulação de casas 3D definidas por 10 marcos (landmarks).

2. Módulo sectional_curvature.py:

   • Implementa o cálculo completo da curvatura seccional, incluindo a decomposição SVD, construção da base de Kendall, cálculo do colchete de Lie vertical e aplicação da fórmula de curvatura.
   • Função compute_curvature para execução direta em exemplos específicos.

3. Ponte Teoria-Prática: Traduz abstrações matemáticas complexas (como o teorema de submersão Riemanniana e propriedades de curvatura de espaços quociente) em código eficiente e acessível.

4. Resultados e Disponibilidade

• O código permite que pesquisadores realizem simulações estatísticas e cálculos de curvatura em espaços de formas 3D sem precisar implementar a matemática subjacente do zero.
• O software está disponível publicamente no repositório da Universidade Jaume I (UJI): https://sites.google.com/uji.es/toia/research.

5. Significância

Este trabalho é significativo porque:

• Democratiza o Acesso: Torna ferramentas de geometria Riemanniana avançada acessíveis para aplicações em visão computacional e biometria, áreas onde a análise de formas 3D é crítica.
• Preenche Lacunas Técnicas: Resolve a falta de utilitários específicos para formas 3D no ecossistema Python atual (Geomstats).
• Facilita Novas Pesquisas: Ao fornecer uma base computacional robusta para curvatura seccional e simulação no espaço tangente, permite o desenvolvimento de novos algoritmos de aprendizado de máquina e análise estatística que dependem da estrutura geométrica intrínseca dos dados de forma.

Em suma, o artigo fornece a "ponte" necessária para levar a teoria elegante do Espaço de Formas de Kendall para a prática computacional diária.