面向非刚性点集配准的部分Wasserstein对抗网络
计算机视觉与模式识别
2022-03-07 v1
摘要
给定两个点集，配准问题是恢复一个将一个点集匹配到另一个点集的变换。由于存在大量离群点、未知的非刚性形变以及点集规模庞大，该任务具有挑战性。为获得对离群点的强鲁棒性，我们将配准问题表述为部分分布匹配（PDM）问题，其目标是在度量空间中部分匹配由点集表示的分布。为处理大规模点集，我们利用高效的部分 Wasserstein-1（PW）差异提出了一种可扩展的 PDM 算法。具体而言，我们推导了 PW 差异的 Kantorovich-Rubinstein 对偶性，并证明其梯度可被显式计算。基于这些结果，我们提出了部分 Wasserstein 对抗网络（PWAN），其能够通过神经网络逼近 PW 差异，并通过梯度下降最小化该差异。此外，它还结合了一种针对非刚性变换的高效一致性正则化器以避免不真实形变。我们在实际点集配准任务上评估了 PWAN，结果表明所提 PWAN 具有鲁棒性、可扩展性，且优于当前最优方法。
引用
@article{arxiv.2203.02227,
title = {Partial Wasserstein Adversarial Network for Non-rigid Point Set Registration},
author = {Zi-Ming Wang and Nan Xue and Ling Lei and Gui-Song Xia},
journal= {arXiv preprint arXiv:2203.02227},
year = {2022}
}