DcMatch：基于双层级一致性的无监督多形状匹配

在多个三维形状之间建立点对点对应关系是计算机视觉与图形学中的一个基本问题。本文提出 DcMatch，一种用于非刚性多形状匹配的新型无监督学习框架。与从单一形状学习规范嵌入的现有方法不同，我们的方法利用形状图注意力网络来捕获整个形状集合的底层流形结构。这使得能够构建一个更具表达力和鲁棒性的共享潜在空间，从而通过全域预测器得到更一致的形状到全域对应关系。同时，我们在空间域和谱域中表示这些对应关系，并通过一种新颖的循环一致性损失在共享全域空间中强制其对齐。这种双层一致性促进了更准确、更连贯的映射。在多个具有挑战性的基准数据集上进行的大量实验表明，我们的方法在多种多形状匹配场景中始终优于以往最先进的方法。