基于学习的本征反射对称实时检测
图形学
2019-11-04 v1 计算机视觉与模式识别
摘要
反射对称在自然界中无处不在。尽管外禀反射对称易于参数化与检测，本征对称因解空间巨大而困难得多。以往工作通常通过投票或采样解决该问题，存在计算成本高与随机性的缺陷。本文提出一种基于学习的本征反射对称检测方法。我们不直接寻找对称点对，而是用函数映射矩阵参数化该自等距，该矩阵在已知对称映射下拉普拉斯本征函数的符号时易于计算。因此，我们训练一种新颖的深度神经网络预测各本征函数在对称下的符号，该网络同时将前几个本征函数作为本征特征刻画网格，从而避免显式处理连通关系。我们的网络旨在学习函数的全局性质，从而将流形上定义的问题转换至函数域。通过将矩阵预测解耦为独立基，我们的方法能很好泛化至新形状，且对本征函数扰动具有不变性。大量实验表明，本方法在含不同拓扑及带孔不完整形状等挑战性情形下具有鲁棒性。通过避免随机采样，我们的基于学习算法比最优现有方法快100倍以上，同时更鲁棒，在常用度量下取得更高对应精度。
引用
@article{arxiv.1911.00189,
title = {Learning-based Real-time Detection of Intrinsic Reflectional Symmetry},
author = {Yi-Ling Qiao and Lin Gao and Shu-Zhi Liu and Ligang Liu and Yu-Kun Lai and Xilin Chen},
journal= {arXiv preprint arXiv:1911.00189},
year = {2019}
}