科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对近似等距非刚性三维模型的对应关系计算易受模型拓扑结构改变而导致准确率下降的问题，提出一种采用混合监督深度函数映射网络计算对应关系的新方法。首先，在弱监督特征提取模块中将三维点云源模型与目标模型通过弱监督学习进行近似刚性对齐，并直接学习原始的三维几何特征，在获取更具鉴别力特征的同时，解决模型自身对称性影响对应关系准确率的问题；其次，在无监督函数映射模块中将提取到的特征转换为谱描述符以得到函数映射矩阵，并对该矩阵施加加权正则化约束项进而得到最优的函数映射矩阵，在解决函数映射矩阵约束性不足问题的同时，减少算法对带标签数据的依赖，降低算法的人工成本；最后，在后处理模块中采用ZoomOut算法将最优函数映射矩阵恢复至精确的逐点映射。实验结果表明，该算法在公开的FAUST数据集、SCAPE数据集和SURREAL数据集上所构建的三维模型对应关系测地误差均小于目前的主流方法，对应关系结果更加准确，纹理映射结果更加平滑，且具有良好的泛化能力。
- 单位
