KP-RED: 利用语义关键点实现联合3D形状检索与变形

在本文中，我们提出了KP-RED，一个统一的关键点驱动的检索与变形框架，该框架以物体扫描为输入，从预处理数据库中联合检索并变形几何上最相似的CAD模型，以紧密匹配目标。与现有通常难以处理噪声部分扫描的基于密集匹配的方法不同，我们提出利用类别一致的关键点来自然处理完整和部分物体扫描。具体来说，我们首先采用一个轻量级检索模块来建立一个基于关键点的嵌入空间，通过动态聚合提取关键点周围的变形感知局部-全局特征来测量物体之间的相似性。在嵌入空间中接近的物体被认为在几何上相似。然后，我们引入了基于神经笼的变形模块，该模块估计每个关键点对其局部支撑区域内笼顶点的影响向量，以控制检索形状的变形。在合成数据集PartNet和真实世界数据集Scan2CAD上进行的大量实验表明，KP-RED以较大优势超越了现有的最先进方法。代码和训练模型已在https://github.com/lolrudy/KP-RED上发布。