零射 3D 形状对应

Jun, 2023

Zero-Shot 3D Shape Correspondence

Ahmed Abdelreheem, Abdelrahman Eldesokey, Maks Ovsjanikov, Peter Wonka

TL;DR本文提出一种新颖的零样本方法，用于计算 3D 模型之间的对应关系，特别是针对具有很强差异性和不同类别之间匹配的问题，并在零样本情况下使用 language-vision model 方法进行分类，使用 ChatGPT 生成语义映射，并使用 functional maps framework 进一步细化到点对点映射。

Abstract

We propose a novel zero-shot approach to computing correspondences between 3D shapes. Existing approaches mainly focus on isometric and near-isometric shape pairs (e.g., human vs. human), but less attention has b

zero-shot approach correspondences 3d shapes language-vision model functional maps framework

发现论文，激发创造

等距多形状匹配

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

神经语义表面地图

我们提出了一种自动化技术，用于计算两个零层面的形状之间的映射，将语义对应的区域互相匹配。我们的方法通过多个视点渲染一对 3D 形状，然后将生成的渲染输入到一个现成的图像匹配方法中，以利用预训练的视觉模型生成特征点。这产生了语义对应，可以投射回 3D 形状，生成不准确且在不同视点之间不一致的原始匹配。这些对应通过专门的优化方案进行精炼和提炼，形成了一个表面间映射，促进了输出映射的双射性和连续性。我们证明了我们的方法可以生成语义表面到表面的映射，消除了手动注释或任何 3D 训练数据的需求。此外，它在具有高语义复杂性的情景中也证明了有效性，在这些情景下，物体是非等距的关系，以及在几乎等距的情况下。

Sep, 2023

区分左右：几何感知语义对应标识

基于现有动物姿势估计数据集构建了一个新的挑战性的语义对应基准，表明几何感知在语义对应中的重要性，并揭示了当前基础模型特征在简单后处理中的局限性。我们展示了在零样本和监督设置下用简单而有效的解决方案结合这些信息可以显著提高语义对应性能。在备受挑战的 SPair-71k 数据集上，我们的方法在零样本情况下达到了 64.2 的 [email protected] 分数，在监督设置下达到了 85.6 分数，相较最先进方法分别提高了 4.3p 和 11.0p 的绝对增益。我们的代码和数据集将对公众开放。

Nov, 2023

鲁棒基于结构的形状对应

提出一种鲁棒的方法，使用简化形状图形和图形匹配技术来找到不同表示方法下的形状区域对应关系，并且可以用于构建点对点的形状之间映射。

Oct, 2017

密集形状对应的自监督学习

介绍了第一种完全无监督的对变形三维图形进行对应学习的方法，通过理解自然变形的形态变化近似保持曲面的度量结构，提出了一种驱动学习过程的自然准则，从而克服了对带注释数据的需求，并取而代之的是一种纯几何标准，学习模型不分含义类别，能够利用任何类型的可变形几何数据进行训练，相对于现有的专门针对训练期间观察到的类别的监督方法，我们展示出更强的泛化能力和应用于各种具有挑战性设置的能力，在广泛的对应基准测试中展示了我们的方法，在精度、泛化能力和效率方面均超过了其他方法。

Dec, 2018

零样本图像特征一致性与深度函数图

使用功能映射方法来提高大规模视觉模型训练中的对应关系地图的质量，并在各种密集对应任务中取得了最新的最佳性能。

Mar, 2024

零样板风格化三维角色非绑定姿势转移

本文提出了一种使用非样式化虚拟人形变形训练，再通过本文中引入的半监督形状理解和隐式姿态变形模块，实现对来自其他类型非样式化形体的样式化角色的姿态转移，实现无需标注对应点的零样本学习。同时，引入了一种基于体素的测试训练过程，加强了对四足动物类别等注释罕见类别样式化人形的逼真变形。

May, 2023

形状感知的零样本语义分割研究

本研究通过使用基于自监督像素级特征构建的拉普拉斯矩阵的特征向量提高了形状感知的零样本语义分割准确性，实现了比现有成果更好的零样本语义分割表现。

Apr, 2023

基于变形引导的非刚性形状匹配无监督方法

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

循环函数映射：非等度形变形状之间的自监督对应

该研究提出了一个基于自我监督的网络，用于在非等度形状之间进行密集的对应映射，解决了在非欧几里得域中对齐的问题，相较于已知的自我监督和监督方法取得了最先进的结果。

Dec, 2019