SIGMA：尺度不变全局稀疏形状匹配
计算机视觉与模式识别
2024-04-04 v2
摘要
我们提出一种新颖的混合整数规划(MIP)公式，用于为高度非刚性形状生成精确的稀疏对应关系。为此，我们引入投影 Laplace-Beltrami 算子(PLBO)，其结合内蕴与外在几何信息以度量由预测对应关系引起的形变质量。我们将 PLBO 与方向感知正则化项一同整合进一种新颖的 MIP 公式，该公式可对许多实际问题求解至全局最优。与先前方法不同，我们的方法可证明对刚体变换和全局缩放不变、无需初始化、具有最优性保证，并可扩展至具有高分辨率网格(经验观察为线性时间)的情形。我们在多个具挑战性的 3D 数据集上展示了稀疏非刚性匹配的最先进结果，包括网格不一致的数据，以及网格到点云匹配中的应用。
引用
@article{arxiv.2308.08393,
title = {SIGMA: Scale-Invariant Global Sparse Shape Matching},
author = {Maolin Gao and Paul Roetzer and Marvin Eisenberger and Zorah Lähner and Michael Moeller and Daniel Cremers and Florian Bernard},
journal= {arXiv preprint arXiv:2308.08393},
year = {2024}
}
备注
14 pages