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

本研究提出了一个新的基于学习的框架，将对比学习的局部准确性与几何方法的全局一致性相结合，用于强健性非刚性匹配。

Sep, 2022

本文介绍了一种利用量子混合方法的三维多形状匹配方法，从而实现循环一致性，并采用现代绝热量子硬件迭代计算，该方法将 N 个形状的情况简化为一系列三形状匹配，实现了线性可扩展性。在基准数据集上，该方法显着优于之前的量子混合两形状匹配方法的多形状匹配扩展，并且与传统的多匹配方法相当。

Mar, 2023

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

本文提出了一种基于约束的图匹配方法，能够处理任意阶数、任意势函数的约束，在先前依赖于图结构的分解方法的基础上，通过约束匹配的分解，将图匹配重构为非凸非可分的优化问题，通过交替方向乘子法将其分解为多个较小、易于解决的子问题，从而设计了一个模块化可扩展的框架，并对基于两两约束和高阶约束的两个不同实例进行了研究，实验结果表明，所提出的解决方案在广泛采用的合成和真实示例基准测试中优于现有的两两图匹配方法，并且在高阶设置中具有竞争力。

Nov, 2016

通过采用基于进化算法的贝叶斯优化方法，提出了一种组合 3D 形状生成框架。该框架可以通过将体形学高斯过程与全局结构导向评估函数相结合来利用并探索当前基元状态下受约束的可行域。实验结果表明，我们的方法可以生成有效的组合 3D 形状。

Apr, 2020

本研究提出了一种深度学习多形状匹配算法，利用 shape-to-universe 多匹配表示，并结合强大的 functional map 正则化，从而在不依赖于显式模板形状的情况下确保循环一致的多匹配，并在几个具有挑战性的基准数据集上取得了最新的最好结果。

Jul, 2022