المفاهيم الأساسية
初めてスペクトルと空間のマップを組み合わせ、3D形状のマッチングと補間を可能にする。
الملخص
この記事は、スペクトルと空間の両方のマップを組み合わせて、3D形状の正確な対応やリアルな補間軌道を実現する最初の非監督学習フレームワークを提案しています。多くのベンチマークで新しい最先端技術を設定し、医療データにおける統計的形状解析への応用も示しています。
الإحصائيات
3D形状補間におけるChamfer距離メトリック
FAUSTデータセットにおける平均ジオデシックエラー評価値: 1.4(Ours)
SMALデータセットにおける平均ジオデシックエラー評価値: 1.9(Ours)
LUNA16データセットから得られた22つの形状から構築された統計的形状モデル(SSM)に関するGenerality評価値: 0.27(Ours)
اقتباسات
"Unsupervised learning of robust spectral shape matching." - Dongliang Cao, Paul Roetzer, and Florian Bernard.
"Our method achieves state-of-the-art performance on both datasets." - Marvin Eisenberger, David Novotny, Gael Kerchenbaum, Patrick Labatut, Natalia Neverova, Daniel Cremers, and Andrea Vedaldi.
"Our method substantially outperforms the state-of-the-art w.r.t. generality and specificity." - Acknowledgement section.