用于非刚性形状配准的测地平方指数核
计算机视觉与模式识别
2021-12-23 v1
摘要
本工作解决 3D 扫描非刚性配准问题，该问题处于形状建模技术的核心。首先，我们为高斯过程可变形模型（GPMMs）框架提出了一种基于测地距离的新核。将测地距离用于核中使其更适应表面的拓扑与几何特征，并在孔洞与弯曲区域周围产生更真实的形变。由于该核具有超参数，我们针对 FaceWarehouse 数据集上的人脸配准任务对其进行了优化。我们表明测地平方指数核在 FaceWarehouse 数据集全部 20 种表情的人脸配准任务上显著优于当前最优核。其次，我们提出了对非刚性 ICP 配准算法所用损失函数的修改，使其能根据对应点的置信度对其进行加权。作为一个用例，我们展示了可使配准对 3D 扫描中的离群值（如非皮肤部分）更鲁棒。
引用
@article{arxiv.2112.11853,
title = {Geodesic squared exponential kernel for non-rigid shape registration},
author = {Florent Jousse and Xavier Pennec and Hervé Delingette and Matilde Gonzalez},
journal= {arXiv preprint arXiv:2112.11853},
year = {2021}
}
备注
2021 16TH IEEE INTERNATIONAL CONFERENCE ON AUTOMATIC FACE AND GESTURE RECOGNITION (FG 2021) PROCEEDINGS, Dec 2021, JODHPUR, India