选择一段文字或公式,即可在这里留下建议。保存后的建议仅作者可见,审核后才会公开。
多重遍历平均 / 原文精读
局部化与跨深度控制 D Lemma 6.1, Corollary 6.2 · pp.44–47 历史球掩膜与整个端点空间的 Bessel 界
第三单元(续):局部输出跨深度变化的三个来源
本篇展开 D Lemma 6.1 与 Corollary 6.2 ,原文 pp.44–47。局部输出同时包含外层组投影、内部有序投影积和随深度变化的原函数。跨两个深度比较时,这三处变化必须分开处理。
H 的频率组构造在这里通过一项指定端点空间的分离不等式使用,另用其 Compression 算子结论。本篇先写出这些前提,再核算 D 的变化函数推导。H 如何从完整曲率标记构造这些组和端点空间,仍未在此重新证明。
1. 当前局部化问题与参数大小
固定 D Proposition 5.6 的一个晚精度、一个根及一个 B / U B/U B / U 模式。记
η = exp ( − k θ ) , 0 < θ < 1.
\eta=\exp(-k^\theta),\qquad0<\theta<1.
η = exp ( − k θ ) , 0 < θ < 1.
待控制的是原活跃区间上的
∑ I ∣ I ∣ min { η , ∣ H I ( z I ) ∣ } .
\sum_I|I|\min\{\eta,|\mathcal H_I(z_I)|\}.
I ∑ ∣ I ∣ min { η , ∣ H I ( z I ) ∣ } .
完整 Y Y Y 的成对小量仍在后面把互补 B B B 恢复为 Y Y Y 时使用,不自动属于当前模式。
固定一次局部化的根 R R R 。所有深度保留原始根下的编号;这些局部化根与前面的投影逼近根属于不同阶段。后续若切出某个原区间,只将该区间及其原后代求和项送到新根,不改已经固定的祖先项和算子。
主列函数族的常数为 D m D_{\mathrm m} D m ,组着色数为 L L L 。原文使用
log D m ≤ C q k C , L ≤ k C , G 0 = exp ( C q ( 1 + log ( 2 k ) ) C ) . (Main-sizes)
\log D_{\mathrm m}\le C_qk^C,\qquad L\le k^C,
\qquad
G_0=\exp\bigl(C_q(1+\log(2k))^C\bigr).
\tag{Main-sizes}
log D m ≤ C q k C , L ≤ k C , G 0 = exp ( C q ( 1 + log ( 2 k ) ) C ) . ( Main-sizes )
本篇的所有有序投影积长度为 O ( log L ) O(\log L) O ( log L ) 。常数 G 0 G_0 G 0 可在所示形式内增大。
2. 需要从 H 取得的端点空间前提
固定一个位置及一个颜色,只对这个颜色的组 G G G 求和。组的指标固定,即使在某个深度不再当前出现,其投影族仍按原列函数继承并继续局部重新投影。
每个单独的正投影族在完整深度分割上定义。其值域由主列函数的常系数组合构成,使用集合随深度继承。因此,对固定组和固定投影选择,外层投影 L G , s L_{G,s} L G , s 是随 s s s 嵌套的正交投影族。
一个端点区间 U U U 被允许用于组 G G G ,要求相应投影的使用集合非空,且 U U U 或其后代有 G G G 的实际使用。原文称为 usable endpoint。一个较细区间中的后代实际使用,也确认其祖先端点具有这个性质。
H 的端点空间分离结论,按 D 式 (6.3) 使用为:若每个 h G h_G h G 是有限个主列函数的组合,每项系数在一个完整的允许端点区间上为常数,且该列确实属于相应组投影的使用集合,则
∥ ∑ G h G ∥ 2 2 ≤ C s e p ∑ G ∥ h G ∥ 2 2 . (Endpoint-separation)
\left\|\sum_Gh_G\right\|_2^2
\le C_{\mathrm{sep}}\sum_G\|h_G\|_2^2.
\tag{Endpoint-separation}
G ∑ h G 2 2 ≤ C sep G ∑ ∥ h G ∥ 2 2 . ( Endpoint-separation )
由 H 在计数之后选取的失配精度,可使 C s e p C_{\mathrm{sep}} C sep 有一个绝对常数上界,不随 k k k 或 P P P 增长。同一标签或区间可以在不同端点时刻重复出现。常数不计算这种重复次数,也不依赖确认该端点可用的后代深度。列数、组数和私有权重等须符合式 (Main-sizes) 及 H 所选的分离精度。
这是关于整区间上的列函数组合的算子结论。只知道当前几个输出函数分离,或者只知道它们在细区间上的截断分离,都不足以替代式 (Endpoint-separation)。
2.1 同一端点的投影平方和
固定右端深度 t t t ,令 E G E_G E G 为满足上述实际使用条件的深度 t t t 区间之并。置
A G = 1 E G L G , t .
A_G=\mathbf1_{E_G}L_{G,t}.
A G = 1 E G L G , t .
其伴随为 A G ∗ = L G , t 1 E G A_G^*=L_{G,t}\mathbf1_{E_G} A G ∗ = L G , t 1 E G ,值域属于允许的完整深度 t t t 端点空间,且 ∥ A G ∗ c G ∥ 2 ≤ ∥ c G ∥ 2 \|A_G^*c_G\|_2\le\|c_G\|_2 ∥ A G ∗ c G ∥ 2 ≤ ∥ c G ∥ 2 。
对 ∑ G A G ∗ c G \sum_GA_G^*c_G ∑ G A G ∗ c G 使用式 (Endpoint-separation),再用 Hilbert 空间对偶性,得到 D 式 (6.4):
∑ G ∥ 1 E G L G , t h ∥ 2 2 ≤ C s e p ∥ h ∥ 2 2 对每个共同函数 h . (Endpoint-Bessel)
\sum_G\|\mathbf1_{E_G}L_{G,t}h\|_2^2
\le C_{\mathrm{sep}}\|h\|_2^2
\quad\text{对每个共同函数 }h.
\tag{Endpoint-Bessel}
G ∑ ∥ 1 E G L G , t h ∥ 2 2 ≤ C sep ∥ h ∥ 2 2 对每个共同函数 h . ( Endpoint-Bessel )
这里各组作用于同一个 h h h ,后面使用时必须保留这一点。
3. 输出中的有序投影积
原来的基本 B B B 函数是至多两个当前基础投影的带符号和。局部化又在它外面作用若干正投影平均及其补算子。先固定一个搜索分支,展开补算子、选一个基础组成部分,并在每个正平均中固定一个投影选择,便得到
Z ^ G , s = L G , s B s F s , B s = P s m ⋯ P s 1 . (One-term)
\widehat Z_{G,s}=L_{G,s}\mathcal B_sF_s,
\qquad
\mathcal B_s=P_s^m\cdots P_s^1.
\tag{One-term}
Z G , s = L G , s B s F s , B s = P s m ⋯ P s 1 . ( One-term )
每个 P s j P_s^j P s j 都是一套继承正交投影族,主列函数常数共同受 D m D_{\mathrm m} D m 控制。次序固定,长度 m = O ( log L ) m=O(\log L) m = O ( log L ) 。这些内部族与 G G G 无关,不同 j j j 的投影不要求交换。
对于组无关的共享输出,可以没有外层 L G , s L_{G,s} L G , s ,也允许 m = 0 m=0 m = 0 ,此时有序积为恒等算子。原文还将恒等输出本身列在共享类型中。
所有需要的端点均使用完整延续族来计算,即使该组在这个端点没有当前实际使用。若所需的有限端点超出原函数下标范围,函数列采用最近端点的常值延拓;重复端点值不增加块内变差。若端点在本次局部化根之前,输出仍规定为零。
4. 完整变差陈述
设 J \mathcal J J 为一个有限的整数深度区间族 [ r , t ] [r,t] [ r , t ] ,其边重叠数至多为 a a a 。对每个 G , [ r , t ] G,[r,t] G , [ r , t ] ,令 E G , r , t E_{G,r,t} E G , r , t 为具有该组后代实际使用的深度 t t t 区间之并。Lemma 6.1 的结论为
∑ G , [ r , t ] ∈ J ∥ 1 E G , r , t ( Z G , t − Z G , r ) ∥ 2 2 ≤ a G 0 ∣ R ∣ . (Variation-local)
\sum_{G,[r,t]\in\mathcal J}
\|\mathbf1_{E_{G,r,t}}(Z_{G,t}-Z_{G,r})\|_2^2
\le aG_0|R|.
\tag{Variation-local}
G , [ r , t ] ∈ J ∑ ∥ 1 E G , r , t ( Z G , t − Z G , r ) ∥ 2 2 ≤ a G 0 ∣ R ∣. ( Variation-local )
对一个指定的共享输出 Z s s h Z_s^{\mathrm{sh}} Z s sh ,令 E r , t E_{r,t} E r , t 为它全部使用所需右端区间的并,则
∑ [ r , t ] ∈ J ∥ 1 E r , t ( Z t s h − Z r s h ) ∥ 2 2 ≤ a G 0 ∣ R ∣ . (Variation-shared)
\sum_{[r,t]\in\mathcal J}
\|\mathbf1_{E_{r,t}}(Z_t^{\mathrm{sh}}-Z_r^{\mathrm{sh}})\|_2^2
\le aG_0|R|.
\tag{Variation-shared}
[ r , t ] ∈ J ∑ ∥ 1 E r , t ( Z t sh − Z r sh ) ∥ 2 2 ≤ a G 0 ∣ R ∣. ( Variation-shared )
共享结论没有组求和;同一个共享输出不因被多个组使用而重复计数。
5. 三项精确差分
将深度区间分成至多 a a a 个内部互不重叠的子族。先在一个子族中删去零区间,排序为
r 1 < t 1 ≤ r 2 < t 2 ≤ ⋯ .
r_1<t_1\le r_2<t_2\le\cdots.
r 1 < t 1 ≤ r 2 < t 2 ≤ ⋯ .
暂假定端点都在当前局部化根以内。
对式 (One-term),有精确恒等式
Z ^ G , t − Z ^ G , r = ( L G , t − L G , r ) B r F r + L G , t ( B t − B r ) F r + L G , t B t ( F t − F r ) . (Three-changes)
\begin{aligned}
\widehat Z_{G,t}-\widehat Z_{G,r}
={}&(L_{G,t}-L_{G,r})\mathcal B_rF_r\\
&+L_{G,t}(\mathcal B_t-\mathcal B_r)F_r\\
&+L_{G,t}\mathcal B_t(F_t-F_r).
\end{aligned}
\tag{Three-changes}
Z G , t − Z G , r = ( L G , t − L G , r ) B r F r + L G , t ( B t − B r ) F r + L G , t B t ( F t − F r ) . ( Three-changes )
前两项只改变算子,先为固定任意函数证明普通联合 Bessel 界,再代入随 r r r 改变的 F r F_r F r 。最后一项只改变共同函数,可以直接使用原函数列的差分平方和。
6. 第一项:外层组投影改变
6.1 暂时不放入内部有序积
在每个左端深度 r r r 区间 U U U 上分出行
C G , r , t , U = 1 E G , r , t ∩ U ( L G , t − L G , r ) 1 U .
C_{G,r,t,U}
=\mathbf1_{E_{G,r,t}\cap U}
(L_{G,t}-L_{G,r})\mathbf1_U.
C G , r , t , U = 1 E G , r , t ∩ U ( L G , t − L G , r ) 1 U .
端点投影都与 1 U \mathbf1_U 1 U 交换。同一 [ r , t ] [r,t] [ r , t ] 下这些分行输出空间不交,因此拆分保持精确的平方范数和。
固定 G G G 后,内部互不重叠区间对应的嵌套投影增量具有两两正交值域。限制输出到 E G , r , t E_{G,r,t} E G , r , t 只降低平方和,故
∑ [ r , t ] , U ∥ C G , r , t , U h ∥ 2 2 ≤ ∥ h ∥ 2 2 . (One-group)
\sum_{[r,t],U}\|C_{G,r,t,U}h\|_2^2\le\|h\|_2^2.
\tag{One-group}
[ r , t ] , U ∑ ∥ C G , r , t , U h ∥ 2 2 ≤ ∥ h ∥ 2 2 . ( One-group )
6.2 跨组的普通联合界来自伴随
对任意有限行测试向量 c G , r , t , U c_{G,r,t,U} c G , r , t , U ,置
h G = ∑ [ r , t ] , U C G , r , t , U ∗ c G , r , t , U .
h_G=\sum_{[r,t],U}C_{G,r,t,U}^*c_{G,r,t,U}.
h G = [ r , t ] , U ∑ C G , r , t , U ∗ c G , r , t , U .
由式 (One-group) 的对偶形式,
∥ h G ∥ 2 2 ≤ ∑ [ r , t ] , U ∥ c G , r , t , U ∥ 2 2 .
\|h_G\|_2^2\le\sum_{[r,t],U}\|c_{G,r,t,U}\|_2^2.
∥ h G ∥ 2 2 ≤ [ r , t ] , U ∑ ∥ c G , r , t , U ∥ 2 2 .
每个行伴随的值属于左端或右端的完整组投影范围。若某个深度 t t t 小区间确有后代实际使用,其祖先 U U U 也得到所需使用依据;空使用集合对应零投影。因此这些伴随和满足式 (Endpoint-separation) 的前提。得到
∥ ∑ G h G ∥ 2 2 ≤ C s e p ∑ G , [ r , t ] , U ∥ c G , r , t , U ∥ 2 2 .
\left\|\sum_Gh_G\right\|_2^2
\le C_{\mathrm{sep}}\sum_{G,[r,t],U}\|c_{G,r,t,U}\|_2^2.
G ∑ h G 2 2 ≤ C sep G , [ r , t ] , U ∑ ∥ c G , r , t , U ∥ 2 2 .
再取对偶,证明全部 C G , r , t , U C_{G,r,t,U} C G , r , t , U 对任意共同函数的联合 Bessel 界。
这里即使输出限制在 E G , r , t ∩ U E_{G,r,t}\cap U E G , r , t ∩ U 的细区间上,左端投影的伴随仍可能遍布整个 U U U 。证明正是使用整个祖先区间的列函数空间,没有把伴随误认为仍支撑于原细输出集。
6.3 加回 B r \mathcal B_r B r 后检查变化函数行条件
在决策区间 U U U 上,使用 H Compression 结论,把共同内部积加入行右侧。它提供普通联合算子界,代价为
C ( m , D m ) ≤ [ C ( m + 1 ) C log ( 2 D m ) ] C ( m + 1 ) . (Compression-cost)
\mathfrak C(m,D_{\mathrm m})
\le
\bigl[C(m+1)^C\log(2D_{\mathrm m})\bigr]^{C(m+1)}.
\tag{Compression-cost}
C ( m , D m ) ≤ [ C ( m + 1 ) C log ( 2 D m ) ] C ( m + 1 ) . ( Compression-cost )
若 m ≥ 1 m\ge1 m ≥ 1 ,复合行伴随的顺序为
P U 1 ⋯ P U m ( L G , t − L G , r ) 1 E G , r , t ∩ U .
P_U^1\cdots P_U^m
(L_{G,t}-L_{G,r})\mathbf1_{E_{G,r,t}\cap U}.
P U 1 ⋯ P U m ( L G , t − L G , r ) 1 E G , r , t ∩ U .
最后作用的是 P U 1 P_U^1 P U 1 ,因此值域是整个 U U U 上的主列函数常系数组合。支撑深度与观察深度均为 r r r ,使用下标也是 r r r 。
若内部积为空,两个端点范围仍可在深度 t t t 格上表示为主列函数组合;较早范围由继承性限制到这些细格。此时支撑深度为 r r r ,观察深度为 t t t ,使用下标仍为 r r r 。
在两种情形下,下一个左端满足 r n e x t ≥ t r_{\mathrm{next}}\ge t r next ≥ t ,所以所需细化关系都成立。D Lemma 4.4 现在可以作用于变化的 F r F_r F r ,得到第一项的平方和不超过 G 0 ∣ R ∣ G_0|R| G 0 ∣ R ∣ 。
7. 第二项:内部非交换投影积改变
首先,对共同右端的组投影应用式 (Endpoint-Bessel)。内部差
( B t − B r ) F r
(\mathcal B_t-\mathcal B_r)F_r
( B t − B r ) F r
对所有 G G G 相同,因此可以消去组求和,只需控制这些内部差的平方和。
保持原次序,有非交换的望远镜公式
B t − B r = ∑ j = 1 m P t m ⋯ P t j + 1 ( P t j − P r j ) P r j − 1 ⋯ P r 1 . (Product-difference)
\mathcal B_t-\mathcal B_r
=\sum_{j=1}^{m}
P_t^m\cdots P_t^{j+1}
(P_t^j-P_r^j)
P_r^{j-1}\cdots P_r^1.
\tag{Product-difference}
B t − B r = j = 1 ∑ m P t m ⋯ P t j + 1 ( P t j − P r j ) P r j − 1 ⋯ P r 1 . ( Product-difference )
逐项左侧的 t t t -投影积是压缩,不增加范数。
固定 j j j 。中间增量 P t j − P r j P_t^j-P_r^j P t j − P r j 在有序不交区间上的值域两两正交;按深度 r r r 的完整区间拆分后,Corollary 4.5 的精确平方和恒等式保留普通 Bessel 常数一。右侧积由 H Compression 加入。
若右侧积非空,伴随最后作用于 P r 1 P_r^1 P r 1 ,观察深度为 r r r ;若 j = 1 j=1 j = 1 ,右侧积为空,两个增量范围通过继承在深度 t t t 格上表示,观察深度为 t t t 。支撑与使用下标始终为 r r r ,相邻细化仍由 t ≤ r n e x t t\le r_{\mathrm{next}} t ≤ r next 保证。
因此每个 j j j 的普通算子界先成立,再应用 D Lemma 4.4 到变化的 F r F_r F r 。最后在有限行直和中对 j j j 求和,成本由 m m m 的固定幂与式 (Compression-cost) 控制,仍属于 G 0 G_0 G 0 。这就控制第二项。
对于没有外层组投影的共享输出,相同论证直接使用内部差的完整 L 2 ( R ) L^2(R) L 2 ( R ) 界。共享恒等输出的算子差为零。
8. 第三项:只改变原函数
内部积对各组相同,且各投影均压缩,所以
∑ G ∥ 1 E G , r , t L G , t B t ( F t − F r ) ∥ 2 2 ≤ C s e p ∥ B t ( F t − F r ) ∥ 2 2 ≤ C s e p ∥ 1 R ( F t − F r ) ∥ 2 2 .
\begin{aligned}
\sum_G
\|\mathbf1_{E_{G,r,t}}L_{G,t}\mathcal B_t(F_t-F_r)\|_2^2
&\le C_{\mathrm{sep}}\|\mathcal B_t(F_t-F_r)\|_2^2\\
&\le C_{\mathrm{sep}}\|\mathbf1_R(F_t-F_r)\|_2^2.
\end{aligned}
G ∑ ∥ 1 E G , r , t L G , t B t ( F t − F r ) ∥ 2 2 ≤ C sep ∥ B t ( F t − F r ) ∥ 2 2 ≤ C sep ∥ 1 R ( F t − F r ) ∥ 2 2 .
原函数列的分块变差引理对边重叠数 a a a 给出
∑ [ r , t ] ∈ J ∥ 1 R ( F t − F r ) ∥ 2 2 ≤ 5 a ∣ R ∣ .
\sum_{[r,t]\in\mathcal J}
\|\mathbf1_R(F_t-F_r)\|_2^2\le5a|R|.
[ r , t ] ∈ J ∑ ∥ 1 R ( F t − F r ) ∥ 2 2 ≤ 5 a ∣ R ∣.
共享输出同样先控制完整范数,再限制一次到 E r , t E_{r,t} E r , t 。共享恒等输出正好就是这项原函数差分估计。
若内部积随组 G G G 任意改变,式 (Endpoint-Bessel) 便不能在这里直接使用。这是原文要求内部有序积与 G G G 无关的实质原因。
9. 根之前的零约定与恢复原平均
若两个端点都在当前根之前,差为零。至多 a a a 个深度区间跨越开始深度。对这些区间,较早输出为零;右端组投影平方和、内部压缩性及
∥ 1 R F t ∥ 2 2 ≤ ∣ R ∣
\|\mathbf1_RF_t\|_2^2\le|R|
∥ 1 R F t ∥ 2 2 ≤ ∣ R ∣
共同控制其成本为 C a ∣ R ∣ Ca|R| C a ∣ R ∣ 。
现在恢复原正投影平均。比较两个深度时,在每个平均中使用同一个投影选择,使该选择所对应的投影族保持嵌套。内部共有平均的投影选择还须在全部组之间共用,从而其有序积仍与 G G G 无关;外层各组投影沿比较深度保持耦合。将所有选择看作一个归一化的有限概率平均,对有限行直和中的平方范数用 Jensen 不等式即可恢复平均,不损失平均项数。
若在两个深度独立选择不同投影,第一项便不再是同一嵌套族的增量,以上正交性理由不能直接适用。
补算子先按原次序展开为有序投影积,项数至多 2 O ( log L ) 2^{O(\log L)} 2 O ( l o g L ) ;基本 B B B 的固定带符号组成部分至多两项。用行直和中的三角不等式恢复这些有限项,再对至多 a a a 个区间颜色求和,得到式 (Variation-local) 与式 (Variation-shared)。
10. 为什么全部损失仍装得进 G 0 G_0 G 0
由式 (Main-sizes),
m ≤ C log ( 2 k ) , log log ( 2 D m ) ≤ C q + C log ( 2 k ) .
m\le C\log(2k),\qquad
\log\log(2D_{\mathrm m})\le C_q+C\log(2k).
m ≤ C log ( 2 k ) , log log ( 2 D m ) ≤ C q + C log ( 2 k ) .
对式 (Compression-cost) 取对数,至多得到
C ( m + 1 ) ( log ( C ( m + 1 ) C ) + log log ( 2 D m ) ) ,
C(m+1)
\bigl(\log(C(m+1)^C)+\log\log(2D_{\mathrm m})\bigr),
C ( m + 1 ) ( log ( C ( m + 1 ) C ) + log log ( 2 D m ) ) ,
它由 ( 1 + log ( 2 k ) ) (1+\log(2k)) ( 1 + log ( 2 k )) 的固定幂控制。行估计额外的 log ( 2 D m ) \log(2D_{\mathrm m}) log ( 2 D m ) 、有限项展开和平方成本也具有相同性质。因此可以统一写成
G 0 = exp ( C q ( 1 + log ( 2 k ) ) C ) .
G_0=\exp\bigl(C_q(1+\log(2k))^C\bigr).
G 0 = exp ( C q ( 1 + log ( 2 k ) ) C ) .
没有出现正平均的项数因子,也没有在本节使用后面更大的模式函数族常数 D ∗ D_* D ∗ 。若后续令 P = ⌈ η − α ⌉ P=\lceil\eta^{-\alpha}\rceil P = ⌈ η − α ⌉ ,固定 α > 0 \alpha>0 α > 0 ,则 log P \log P log P 按 k θ k^\theta k θ 增长,而 log G 0 \log G_0 log G 0 只有对数的固定幂,所以 G 0 = P o ( 1 ) G_0=P^{o(1)} G 0 = P o ( 1 ) 。这正是后面保留 P P P 的负幂收益所需的量级。
11. 对后续相邻投影差的应用
对应 D Corollary 6.2,pp.46–47。
在 H 指定的一步输出滤子转移中,删去最外正滤子后剩下的内部有序积仍按源顺序排列,长度为 O ( log L ) O(\log L) O ( log L ) ,并且与组无关。其端点函数属于刚才的共享类型。若外面还保留一个合法组投影,则属于组端点类型。
设该步的单独投影为 Q p , s Q_{p,s} Q p , s ,1 ≤ p ≤ P 1\le p\le P 1 ≤ p ≤ P ,并令
Q 0 , s = 0 , Q P + 1 , s = 1.
Q_{0,s}=0,\qquad Q_{P+1,s}=1.
Q 0 , s = 0 , Q P + 1 , s = 1.
这里须区分原文的两种转移。在球投影转移中,Q p , s x s Q_{p,s}x_s Q p , s x s (1 ≤ p ≤ P 1\le p\le P 1 ≤ p ≤ P )是合法的组端点,而 x s x_s x s 为共享端点。在累积滤子转移中,外层球投影已经移除,x s x_s x s 及全部 Q p , s x s Q_{p,s}x_s Q p , s x s 都属于共享端点。
另一个互补位置的完整剩余端点 x d , s x_{d,s} x d , s ,也只有两种允许形式:仍保留最外一层正球投影平均、内部积与组无关;或者该外层已移除而成为共享输出。两者分别使用式 (Variation-local) 与式 (Variation-shared)。
对于非终端差分
( Q p , s − Q p − 1 , s ) x s ,
(Q_{p,s}-Q_{p-1,s})x_s,
( Q p , s − Q p − 1 , s ) x s ,
两项按上述转移类型分别为组端点或共享端点,跨深度差由相应的两份已证变差界控制,只增加固定因子。
终端差分为
x s − Q P , s x s .
x_s-Q_{P,s}x_s.
x s − Q P , s x s .
在球投影转移中,前一项 x s x_s x s 按共享输出的全部所需右端格的并计一次,后一项按允许组端点计。在累积滤子转移中,两项都是共享端点,均按相应的使用并集计数。不能把同一个共享项在每个组上重复相加后仍引用式 (Variation-shared)。
对 P + 1 P+1 P + 1 个差分的总成本允许有 P P P 的固定多项式增长。后续具体求和仍须保留原文规定的匹配组合,不能仅凭此处的单端点变差界任意拆散全部组与差分项。
原文范围与未完成部分
D pp.43–44,式 (6.3)–(6.4):从 H 使用的完整可用端点空间分离及其投影平方和后果。
D pp.44–46,Lemma 6.1、式 (6.6)–(6.8):三项精确差分、先证明普通算子界再读取变化函数、零约定及耦合投影平均。
D pp.46–47,Corollary 6.2:源滤子转移中组端点与共享端点的分类。
本篇没有证明 H 的曲率图、组掩码构造或 D 式 (6.5) 的完整局部化分解。它证明的是:这些源资料满足所列端点分离与有序投影条件时,D 所需的跨深度变差界成立。下一段的冻结模式行还必须控制复合伴随最后落在哪个函数族中,以免把 D m D_{\mathrm m} D m 的损失换成更大的 D ∗ D_* D ∗ 。