.png){kind=icon}
返回
3DHDMatch: Heat diffusion coupled unsupervised 3D shape matching
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cag.2026.104664.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
两种等距3D形状之间的密集点对点对应关系对于计算机图形学、数字几何处理和3D计算机视觉中的各种应用至关重要。现有方法将3D密集匹配问题映射到谱域中，其中它成为一个线性映射，即已知一组形状之间的初始对应函数后可找到的功能映射。现有的基于学习的方法并未显式确保估计的对应关系在空间上连续，并且通常需要先验的功能映射知识，而并非所有实际形状都具备此条件。我们提出了一种无监督方法来估计连续的密集3D形状匹配。我们的主要思想是在谱域中使用功能映射框架将两种形状之间的热扩散过程耦合。然后，我们学习耦合的热扩散功能映射，使其在给定两种形状上对应的初始热分布的情况下，同步两种形状上的热流。我们进一步正则化所提出的热扩散耦合功能，以确保两种形状之间热扩散的循环一致性。所提出的热扩散耦合功能映射可预测连续的对应关系。我们的方法在FAUST和SCAPE基准数据集上分别实现了最低的平均测地线误差1.4×10^-2和1.8×10^-2。
Keyword:
Heat diffusion
3D shape matching
Spectral representation
Functional map
Deep learning
