RINO：旋转不变的非刚性对应

稠密 3D 形状对应仍是计算机视觉和图形学中的核心挑战，因为许多深度学习方法仍依赖中间几何特征或手工制作的描述子，限制了其在非等距变形、部分数据和非流形输入下的效果。为克服这些问题，我们引入 RINO，一个无监督、旋转不变的稠密对应框架，有效统一了刚性和非刚性形状匹配。本方法的核心是 novel RINONet，一种特征提取器，将基于向量的 SO(3) 不变学习与方向感知的复数功能图集成，以直接从原始几何数据中提取稳健特征。这使得可以进行完全端到端、数据驱动的方法，绕过形状预对齐或手工特征的需求。广泛的实验表明，RINO 在包括任意姿态、非等距、部分、非流形和噪声等具有挑战性的非刚性匹配任务中实现了空前性能。