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
本研究提供了 Laplace-Beltrami 算子的本征函数在表征曲面光滑函数方面的最优性证明,并将其应用到应用形状和数据分析领域。该算子可以用于定义曲面上的尺度不变本征空间。此外,研究还包括用于计算几何距离的数值加速技术以及与 LBO 相对应的 PCA 定义。
Sep, 2014
非等距形状对应是计算机视觉中的一个基本挑战,本文提出了一种新方法,通过将弹性薄壳的非正交外部基函数与 Laplace-Beltrami 算子的内在基函数相结合,创建了一个混合谱空间来构建功能映射,实现了在各种应用中处理复杂变形的能力,并通过广泛的评估展示了显著的改进。
Dec, 2023
提出了可扩展的组合算法,用于全局优化 3D 形状之间具有几何一致性的映射空间,通过整数线性规划公式和原始启发式方法以及拉格朗日对偶问题相结合,实现了比以前更快、更高效的解决方法,成功地匹配了多个形状。
Apr, 2022
该研究提出了一种新颖的局部二元描述符,并通过稀疏控制开发了一种简单而有效的迭代方法,以在两个近似等度的表面之间进行形状对应。
Mar, 2020
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
我们提出了一种稀疏图的学习方法,应用于一个无向高斯图模型的问题,并通过凸混合整数规划框架得到了新的估计器,该估计器在稀疏性精度矩阵的估计与变量选择方面有着优越的性能。
Jul, 2023
该研究论文提出了一种基于图形而非基于点的匹配算法,通过使用谱图理论将图形映射到低维空间来对齐形状和避免姿态变化带来的不变性问题,该算法通过直方图匹配来选择拉普拉斯矩阵的最佳特征函数子集以提高性能,并将形状匹配转化为点注册的问题。
Dec, 2020
我们提出了一种新的基于稀疏建模方法的非刚性形状匹配算法,通过检测可重复区域,建立形状间的精确对应关系,并以非常完美的表现在标准基准数据集上得到了定量和定性的评估。
Sep, 2012
该研究提出了第一个通用且可扩展的框架,用于设计可靠的几何感知算法,以在存在异常值的情况下证明其准确性,并在六个几何感知问题上进行了评估。
Sep, 2021