DeepShapeMatchingKit：加速的泛函映射求解器与形状匹配流程再探
计算机视觉与模式识别
2026-04-14 v1
摘要
深度泛函映射利用学习到的特征提取器和谱对应求解器，是非刚性三维形状匹配的基础。基于对开源实现的分析，我们发现标准的泛函映射实现会串行求解 个独立的线性系统，这在较高谱分辨率下成为计算瓶颈。因此，我们提出一种向量化重构方法，在单个内核调用中求解所有系统，在保持精确解的同时实现了高达 33 倍的加速。此外，我们识别并记录了主流 DiffusionNet 中空间梯度特征的一个先前未被注意的实现分歧：存在两种参数化不同切平面变换族的变体，并展示了在不同基准上分析其各自行为的实验。我们还重新审视了部分到部分匹配的重叠预测评估，并表明平衡准确率在不同重叠比率下提供了一个有用的补充指标。为了与更广泛的社区分享这些进展，我们提出了一个开源代码库 DeepShapeMatchingKit，它整合了这些改进，并标准化了常见深度形状匹配方法的训练、评估和数据流程。该代码库可在 https://github.com/xieyizheng/DeepShapeMatchingKit 获取。
引用
@article{arxiv.2604.10377,
title = {DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited},
author = {Yizheng Xie and Lennart Bastian and Congyue Deng and Thomas W. Mitchel and Maolin Gao and Daniel Cremers},
journal= {arXiv preprint arXiv:2604.10377},
year = {2026}
}
备注
10 pages, 8 figures, CVPR 2026 Image Matching Workshop (IEEE proceedings)