Core Concepts
本手法は、非剛体形状の精密なスパース対応付けを生成するための新しい混合整数計画(MIP)定式化を提案する。投影ラプラス・ベルトラミ演算子(PLBO)を導入し、内在的および外在的な幾何学的情報を組み合わせて、予測された対応関係によって誘導される変形の質を測定する。PLBOと方位に依存する正則化子を新しいMIP定式化に統合することで、多くの実用的な問題について大域的最適性を達成できる。従来の手法とは対照的に、提案手法は剛体変換とグローバルスケールに対して不変であり、初期化不要で最適性保証を持ち、高解像度メッシュにも拡張可能である。
Abstract
本論文は、非剛体形状のスパース対応付けのための新しい最適化手法を提案している。
まず、投影ラプラス・ベルトラミ演算子(PLBO)を導入し、内在的および外在的な幾何学的情報を組み合わせて、予測された対応関係によって誘導される変形の質を測定する。
次に、PLBOと方位に依存する正則化子を新しいMIP定式化に統合することで、多くの実用的な問題について大域的最適性を達成できる。
提案手法は、剛体変換とグローバルスケールに対して不変であり、初期化不要で最適性保証を持ち、高解像度メッシュにも拡張可能である。
実験では、TOSCA、SMAL、SHREC20、DT4D-Matchingデータセットなどの複雑な3D形状ベンチマークで、提案手法が競合手法を大きく上回る性能を示すことを確認した。
Stats
提案手法は、TOSCA データセットの71ペアのうち56ペアで大域的最適解を見つけることができた。
SMAL データセットでは44ペアすべてで大域的最適解を見つけた。
SHREC20 データセットの25ペアすべてで大域的最適解を見つけた。
DT4D-M データセットでは60ペアのうち21ペアで大域的最適解を見つけた。
Quotes
"本手法は、剛体変換とグローバルスケールに対して不変であり、初期化不要で最適性保証を持ち、高解像度メッシュにも拡張可能である。"
"実験では、TOSCA、SMAL、SHREC20、DT4D-Matchingデータセットなどの複雑な3D形状ベンチマークで、提案手法が競合手法を大きく上回る性能を示すことを確認した。"