DispVoxNets：基于监督学习代理的非刚性点集对齐
计算机视觉与模式识别
2019-08-07 v2 计算几何
摘要
我们引入了一种新型非刚性点集对齐的监督学习框架——体素位移网络，该框架从点集表示中抽象出来，并在规则采样的代理三维体素网格上回归三维位移场。得益于最近发布的具有已知态内对应关系的可变形物体集合，DispVoxNets 为不同物体类别（如布料、人体和面部）学习变形模型和进一步的先验（例如，弱点拓扑保持）。DispVoxNets 在应对大变形、噪声和聚集离群点方面比现有技术更为鲁棒。在测试阶段，我们的方法比以前的技术快几个数量级。DispVoxNets 的所有特性均在大量实验中以及与几种先前方法的比较中得到了数值和定性验证。
引用
@article{arxiv.1907.10367,
title = {DispVoxNets: Non-Rigid Point Set Alignment with Supervised Learning Proxies},
author = {Soshi Shimada and Vladislav Golyanik and Edgar Tretschk and Didier Stricker and Christian Theobalt},
journal= {arXiv preprint arXiv:1907.10367},
year = {2019}
}