一种用于非刚性形状匹配的双重迭代细化方法
我们提出了一种无监督数据驱动的方法用于非刚性形状匹配,通过建立层次化基于补丁的形状表示和约束形状匹配的 3D 近刚性变形模型,实现了对噪声和变形具有鲁棒性的匹配。实验证明,相比最先进的方法在原始 3D 扫描数据上获得了显著更好的结果,并在标准测试场景上表现相当。
Nov, 2023
通过核密度估计的统计框架,我们提出了一种不依赖于形状同构的替代恢复技术,能够保证双向对应并产生更高的精度和平滑度,并在多个具有挑战性的可变形 3D 形状匹配数据集上展示其性能。
Jan, 2017
本文的主要关注点是解决深度特征匹配(DFM)的局限性,通过采用更灵活的最近邻搜索策略并集成图像补丁描述符,扩展了 DFM 的适用范围,同时提出了一种新颖的图像补丁描述符精炼策略,进一步降低了对应匹配的计算复杂度,实验证明我们的方法在实际机器人应用中具有卓越的性能。
Mar, 2024
本文提出了一种通过描述符匹配、连续性限制和 DC 编程来解决三维形状匹配问题的方法,该方法可以在处理非等距变形、拓扑变化和不完整数据的情况下,有效地收敛到一种有意义的连续匹配方案,具有较好的可扩展性。
Jul, 2017
本文针对在图像检索中几何对应验证,提出了以像素级密集配对检索数据库图像并以全局相似度度量和匹配像素计算的几何一致性度量为基础进行短序列重排的新模型,并通过实验证明了该模型具有竞争力。此外,将该方法应用于长期视觉本地化问题,并在跨数据集上进行了验证。
Apr, 2019
论文介绍了一种基于频谱域迭代上采样的简单有效的地图或对应关系细化方法,并说明了如何将该方法应用于对称性检测、完整形状的地图细化、非刚性部分形状匹配和函数转换等一系列应用场景中,证明了该方法相比最佳竞争方法具有更高的结果质量和计算速度,并且对于噪声输入具有鲁棒性和扩展形状复杂性。最后,文章提出了一个理论上的方法,揭示了功能地图的结构属性。
Apr, 2019
本文提出 DIffusion FeaTures (DIFT) 方法来确立图像之间的对应关系,在稳定扩散的情况下,DIFT 均能够在语义、几何和时间上优于弱监督方法以及其他对照组,尤其是在 SPair-71k 基准测试中,DIFT 相对于 DINO 和 OpenCLIP 的准确率分别提高了 19 个和 14 个点,即使在总体性能上表现相当的情况下,在 18 个类别中有 9 个可以超越最先进的监督方法。
Jun, 2023
建立可靠的对应关系对于 3D 和 2D3D 对准等任务至关重要。为了解决大变形、尺度不一致和模糊匹配问题所带来的挑战,本文引入了一种用于建立鲁棒对应关系的扩散匹配模型,在双随机矩阵空间内将对应估计视为去噪扩散过程,逐步去噪(细化)双随机匹配矩阵至准确的匹配矩阵,以进行高质量的对应估计。该方法在 3D 和 2D3D 对准任务上的评估验证了其有效性。
Mar, 2024