结合学习和组合形式主义，提出一种新的组合求解器，应用于三维形状匹配，解决了学习方法和公理化方法之间的局部不平滑性和问题规模以及非凸优化问题的计算成本的问题。

Oct, 2023

该论文提出了一种整合先进的深度形状特征到新型整数线性规划部分形状匹配公式的优化方法，能够在低分辨率的形状上获得全局最优解，并通过粗到精的过程进行改进，相比于现有的几何一致算法，我们的方法在处理部分形状时能够找到更可靠的结果且匹配更为平滑，同时能够避免使用补齐几何形状的方法。

Sep, 2023

我们的研究建立在几何一致性为重要约束的基础上，利用三角形乘积空间的新型整数非线性规划形式和基于线性整数规划的剪枝算法，在部分 - 部分匹配中实现了几何一致性，并生成了一个新的跨类别数据集，我们的方法在已有的类内数据集和我们的新跨类别数据集上均优于当前的技术水平方法。

Apr, 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

基于混合整数规划的稀疏对应关系生成方法，结合投影拉普拉斯 - 贝尔特拉米算子、旋转感知正则化器，实现全局最优解，适用于非刚性形状匹配，并具有高效性能。

Aug, 2023

本文提出了一种针对非刚性二维到三维形状匹配的算法，通过将问题表述为在曲线和形状的乘积三维流形上寻找最短圆形路径完成匹配，证明了可以在多项式时间内计算出最优匹配，具有较高的实用性和有效性。

Jan, 2016

我们提出了一个凸混合整数规划的框架，使用一种基于低维离散模型的新型形状变形模型完成非刚性形状匹配，并在实验中证明优于现有方法，同时具有良好的性质。

Feb, 2020

本文提出了新型的等距多形状匹配问题的优化公式，并介绍了适合解决这种公式的优化算法，提供了收敛性和复杂性分析，对不同数据集进行了实验，取得了最新的等距多形状匹配的最好表现。

Dec, 2020

该研究通过采用三维可变形形状模型，将三维形状重建问题转化为相机姿态和线性形状参数的联合优化，使用 Lasserre 的 SOS 松弛层次来解决问题，并通过添加一个异常值剔除层和使用新的 TLS robust 代价函数来解决 TLS 问题，研发出一个鲁棒的三维形状重建算法 Shape#，可以容忍 70% 的异常值，达到了最先进的性能。

Nov, 2019

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