基于 involution 与隐式对应关系的自监督形状完成

3D 形状完成传统上通过监督训练或在完整形状示例上的分布学习来解决。最近近些年发展出一种不要求任何完整 3D 形状示例的自监督学习方法受到越来越多的关注。本文提出一种非对抗性的自监督形状完成方法。我们的第一个发现是，完成问题可以形式化为一个自反函数，这意味着完成函数 G 存在特殊约束，即 G(G(X)) = X。我们的第二个约束基于自监督形状完成依赖于对应关系的事实，同样地，完成可以简化对应关系问题。我们在标准空间中构建一致性度量，以监督完成函数。我们采用“冻结交替”策略高效地优化完成和对应模块。该方法在类别内的刚性形状以及动态非刚性形状方面表现良好。我们对设计选择进行消融分析，并与最新方法进行比较，显示出惊人的精度，在某些情况下接近监督精度。