A Generalized Parallelogram Rule for Proportional Analogies on Riemannian Manifolds

问题陈述

比例类比（Proportional analogies）被形式化为四元关系 $a:b::c:d$（“$a$ 之于 $b$，正如 $c$ 之于 $d$”），这在人类认知和机器学习验证中都具有基础性意义。虽然这一概念在符号领域和欧几里得向量空间中已得到充分建立——在这些空间中，算术平行四边形法则（$b-a = d-c$）是有效的比例类比——但其在非欧几里得空间中的应用受到了限制。以往试图通过测地线射出（geodesic shooting）和平行移动将平行四边形法则推广到黎曼流形的尝试面临两个主要局限性：直接的推广无法满足比例类比的公理（特别是，$a:b::c:x$ 的解与 $a:c::b:x$ 不同），且通用的构造无法保证连续性性质。

方法论

本文提出了一种基于测地中点（geodesic midpoints）而非平行位移的、在黎曼流形上全新的内蕴比例类比定义。这种方法借鉴了如下几何洞察：在欧几里得空间中，平行四边形由其对角线的中点重合来定义。

核心构造：
对于黎曼流形 $(\mathcal{M}, g)$，当且仅当 $a$ 与 $d$ 之间的测地中点与 $b$ 与 $c$ 之间的测地中点重合时，关系 $a:b::c:d$ 成立。

• 测地凸情况： 如果流形是测地凸的（即任意两点间存在唯一的测地线），则该关系定义为：
  $$\exp_a\left(\frac{1}{2}\log_a(d)\right) = \exp_b\left(\frac{1}{2}\log_b(c)\right)$$
  这种公式形式确保了该关系是一个强比例类比。
• 一般情况： 对于测地线不唯一的非凸流形，该定义推广为：
  $$\exists v \in T_a\mathcal{M}, \exists w \in T_b\mathcal{M} \text{ 使得 } c=\exp_b(w), d=\exp_a(v), \text{ 且 } \exp_a(v/2) = \exp_b(w/2)$$

理论框架：
作者分析了该构造的性质：

1. 公理满足： 证明该关系满足对称性、均值交换律和自反性。
2. 等距不变性： 证明该类比在黎曼等距映射下保持不变。
3. 鲁棒性： 确立了该类比在 Hadamard 流形和黎曼对称空间上的鲁棒性（在小扰动下是连续的）。
4. 在 $\mathbb{R}^n$ 中的实现： 表明对于 $n \geq 2$，任何四个不同的点都可以通过合适的度量构成一个类比；而对于 $n=1$，由这些点形成的区间必须是嵌套的。

主要贡献

1. 内蕴定义： 引入了一种基于测地中点的黎曼流形比例类比定义，该定义满足比例类比的公理，并且是完全内蕴的（仅依赖于指数映射和对数映射）。
2. 理论性质： 建立了关键性质，包括等距不变性、鲁棒性，以及在测地凸空间和对称空间上的显式特征描述。
3. 对 Lepage 和 Couceiro (2024) 的扩展： 证明了在 $\mathbb{R}^n$ ($n \geq 2$) 中，任何四元不同点集都可以通过合适的度量使其成为类比，并提供了 $n=1$ 时的排序条件。
4. 跨领域的通用性： 该框架可应用于多种几何领域，并为以下领域提供了闭式解或算法：
   • 对称空间： 球面 ($\mathbb{S}^n$)、双曲空间 ($\mathbb{H}^n$) 以及对称正定 (SPD) 矩阵。
   • 形状空间： Kendall 的三角形形状空间和 3D 三角网格。
   • 概率流形： 在 Fisher-Rao 度量和 Aitchison 度量下的分类分布单纯形。

结果与应用

论文通过若干具体应用和理论推导展示了该框架：

• SPD 矩阵： 对于对称正定矩阵流形，类比方程 $A:B::C:X$ 存在一个涉及矩阵几何平均值的唯一解：$X = (B\#C)A^{-1}(B\#C)$。
• 形状空间： 该方法被应用于 3D 三角网格（使用 Morphomatics 库）以进行变形传递。在将姿态变化从狗的网格转移到牛的网格的实验中，该框架成功生成了目标网格，耗时约 2 秒，展示了向复杂几何领域的泛化能力。
• 分类分布（偏好转移）： 作者在 MovieLens 1M 数据集上评估了该框架在偏好转移任务中的表现。目标是在给定三个参考分布的情况下，预测目标人口统计群体对目标电影类别的评分分布。
  • 度量： 使用平均 Jensen-Shannon 散度衡量性能。
  • 发现： 在六种难度递增的实验条件（基于年龄、性别、职业和类型变化）下，类比方法（Fisher-Rao 和 Aitchison 度量）一致优于非类比基准（留一法预测器和加法模型）。
  • 比较： Fisher-Rao 度量在六个场景中的五个场景中实现了最低的散度，而 Aitchison 度量在基于职业的群体中表现最佳。两者均优于算术-几何类比基准。

意义

本文声称提供了一个统一的几何框架，用于将比例类比从符号领域和欧几里得向量空间扩展到更广阔的领域。通过利用测地中点来刻画类比，作者证明了单一的内蕴构造可以自然地将类比推理扩展到复杂的结构，如概率分布的流形、形状空间和 SPD 矩阵。这项工作确立了这些类比不仅在理论上是完备的（满足公理和鲁棒性），而且在实践上是有效的，如偏好分布转移和几何变形的成功案例所示。作者认为，该框架可以作为未来迁移学习、元学习和几何数据增强发展的基石。