重新审视无监督非刚性形状匹配中的映射关系

我们提出了一种用于非刚性 3D 形状匹配的新型无监督学习方法。我们的方法改进了近期最先进的深度函数映射方法，并可应用于多种不同的具有挑战性的场景。以往的深度学习函数映射方法主要关注特征提取，并专门致力于获得更具表达力的特征用于函数映射计算。然而，函数映射计算本身的重要性常被忽视，且函数映射与点-wise 映射之间的关系未被充分探索。在本文中，我们系统地研究了来自函数映射求解器的函数映射与基于特征相似度的逐点映射之间的耦合关系。为此，我们提出了一种自适应函数映射求解器，针对不同形状匹配场景调整函数映射正则化，同时结合逐顶点对比损失以获得更具判别力的特征。利用不同的具有挑战性的数据集（包括非等距、拓扑噪声和部分性），我们证明了我们的方法大幅优于以往的最先进方法。