形状部件的定义：一种主导集方法
计算机视觉与模式识别
2017-09-13 v1
摘要
本文探讨了一种基于图的形状分解问题的新方法。形状被适当地转换为丰富了局部邻域信息的可见性图。然后对可见性图应用两步扩散过程，有效增强所提供的信息，从而产生更鲁棒且更有意义的图构造。受团簇作为严格聚类定义的启发，调用了主导集算法，并稍作修改以适应定义形状部件的特定问题。聚类内聚性和节点参与向量是所提出的图划分方法的两个重要输出。与大多数现有技术相反，聚类的最终数量是通过在随机网络生成过程中估计聚类内聚性来自动确定的。在多个形状数据库上的实验结果表明了我们的基于图的形状分解框架的有效性。
引用
@article{arxiv.1709.03588,
title = {On the definition of Shape Parts: a Dominant Sets Approach},
author = {Foteini Fotopoulou and George Economou},
journal= {arXiv preprint arXiv:1709.03588},
year = {2017}
}