| 无监督的三维模型簇对应关系协同计算 |
| |
| 引用本文： | 杨军,李金泰,高志明.无监督的三维模型簇对应关系协同计算[J].浙江大学学报(自然科学版 ),2022,56(10):1935-1947. |
| |
| 作者姓名： | 杨军 李金泰 高志明 |
| |
| 作者单位： | 1. 兰州交通大学 电子与信息工程学院，甘肃 兰州 7300702. 兰州交通大学 测绘与地理信息学院，甘肃 兰州 730070 |
| |
| 基金项目： | 国家自然科学基金资助项目（61862039, 42261067）；甘肃省科技计划资助项目（20JR5RA429）；2021年度中央引导地方科技发展资金资助项目（2021-51）；兰州市人才创新创业资助项目（2020-RC-22）；兰州交通大学天佑创新团队资助项目（TY202002）；甘肃省教育厅优秀研究生“创新之星”资助项目（2021CXZX-614） |
| |
| 摘 要： | 针对近似等距的非刚性变换的三维模型簇对应关系计算准确率不高的问题，提出采用无监督的三维模型簇对应关系协同计算的新方法.通过三维点云特征提取模块，获取将位置、细节信息更丰富的低维特征与语义信息更丰富的高维特征相融合后的特征.在无监督深度函数映射模块中，将提取到的融合特征转换为谱描述符，计算函数映射矩阵，对该矩阵施加加权正则化约束项，得到最优的函数映射矩阵.在模型簇对应关系协同计算模块中，结合循环一致性约束与函数映射理论，求解最优的目标函数，得到最优的模型簇对应关系.实验结果表明，所提算法在FAUST、SCAPE和TOSCA 3个数据集上所构建的模型簇对应关系测地误差均小于目前主流方法，映射结果更加平滑，对应关系更加准确，具有良好的泛化能力.
|
| 关 键 词： | 对应关系 三维模型簇 无监督学习 深度函数映射 循环一致性 |
Unsupervised co-calculation on correspondence of three-dimensional shape collections |
| |
| Jun YANG,Jin-tai LI,Zhi-ming GAO.Unsupervised co-calculation on correspondence of three-dimensional shape collections[J].Journal of Zhejiang University(Engineering Science),2022,56(10):1935-1947. |
| |
| Authors: | Jun YANG Jin-tai LI Zhi-ming GAO |
| |
| Abstract: | |
| |
| Keywords: | shape correspondence three-dimensional shape collection unsupervised learning deep functional map cycle-consistency |
|
| 点击此处可从《浙江大学学报(自然科学版 )》浏览原始摘要信息 |
|
点击此处可从《浙江大学学报(自然科学版 )》下载全文 |
