Shape Non-rigid Kinematics (SNK): A Zero-Shot Method for Non-Rigid Shape Matching via Unsupervised Functional Map Regularized Reconstruction

要約

我々は、広範なトレーニングやグランドトゥルースデータの必要性を排除する、非剛体形状マッチングのための新しいゼロショット手法であるShape Non-rigid Kinematics (SNK)を紹介します。
SNK は単一の形状ペアで動作し、エンコーダ/デコーダ アーキテクチャを使用した再構成ベースの戦略を採用し、ソース形状を変形してターゲット形状に厳密に一致させます。
プロセス中に、教師なし機能マップが予測され、ポイントツーポイント マップに変換され、再構成の監視メカニズムとして機能します。
トレーニングを支援するために、スムーズでリアルな変形を生成する新しいデコーダー アーキテクチャを設計しました。
SNK は、従来のベンチマークで競争力のある結果を示し、精度を損なうことなく形状マッチング プロセスを簡素化します。
私たちのコードはオンラインで見つけることができます: https://github.com/pvnieo/SNK

要約(オリジナル)

We present Shape Non-rigid Kinematics (SNK), a novel zero-shot method for non-rigid shape matching that eliminates the need for extensive training or ground truth data. SNK operates on a single pair of shapes, and employs a reconstruction-based strategy using an encoder-decoder architecture, which deforms the source shape to closely match the target shape. During the process, an unsupervised functional map is predicted and converted into a point-to-point map, serving as a supervisory mechanism for the reconstruction. To aid in training, we have designed a new decoder architecture that generates smooth, realistic deformations. SNK demonstrates competitive results on traditional benchmarks, simplifying the shape-matching process without compromising accuracy. Our code can be found online: https://github.com/pvnieo/SNK

arxiv情報

提供元, 利用サービス

arxiv.jp, Google