NeuroMorph：一次性实现无监督形状插值与点对应
计算机视觉与模式识别
2021-06-18 v1
摘要
我们提出 NeuroMorph，一种新颖的神经网络架构，它以两个 3D 形状作为输入，并一次性（即单次前馈传播）生成它们之间平滑的插值以及逐点对应。该插值表示为形变场，将源形状的姿态改变以接近目标，但保持物体身份不变。NeuroMorph 采用优雅的架构，将图卷积与全局特征池化相结合以提取局部特征。在训练期间，通过近似底层形状空间流形上的测地线，模型被激励产生真实的形变。这一强几何先验使得我们的模型能够以端到端且完全无监督的方式进行训练，无需任何人工对应标注。NeuroMorph 对多种输入形状均表现良好，包括来自不同物体类别的非等距形状对。它在形状对应和插值任务上均取得了最先进的结果，在多个基准上匹配或超越了近期无监督与有监督方法的性能。
引用
@article{arxiv.2106.09431,
title = {NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go},
author = {Marvin Eisenberger and David Novotny and Gael Kerchenbaum and Patrick Labatut and Natalia Neverova and Daniel Cremers and Andrea Vedaldi},
journal= {arXiv preprint arXiv:2106.09431},
year = {2021}
}
备注
Published at the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2021