面向3D形状的对称信息与对称无关特征解耦

形状描述符，即3D网格或点云的逐顶点特征，是形状分析的基础。历史上，已有多种手工设计的几何感知描述符和特征优化技术被提出。近期，一些研究通过利用图像基础模型的特征来创建语义感知描述符，开辟了新的研究方向，并在形状匹配、编辑和分割等任务中展现出优势。对称性作为形状分析中的另一个关键概念，也日益受到关注。因此，构建对称感知的形状描述符是自然的发展。尽管近期的方法$\chi$（Wang等，2025）成功地从语义感知描述符中提取了对称信息特征，但其特征仅为一维，忽略了其他有价值的语义信息。此外，所提取的对称信息特征通常含有噪声，并产生少量被误分类的图块。为弥补这些不足，我们提出了一种同时具备对称信息与对称无关性的特征解耦方法。进一步，我们提出了一种特征优化技术，以提高预测对称信息特征的鲁棒性。大量实验（包括内蕴对称检测、左/右分类和形状匹配）从定性和定量两方面证明了我们提出的框架相较于多种最先进方法的有效性。