CoE: Deep Coupled Embedding for Non-Rigid Point Cloud Correspondences

要約

低コストの 3D センサーの普及により、生の点群として表現された非剛体変形形状のマッチングへの関心が高まっています。
しかし、点群は不規則であり、固有の形状情報が欠如しているため、この作業は困難です。
私たちは、意味的に類似したポイントが同様の埋め込みを共有する埋め込み空間で、新しい形状表現、つまりポイントごとの高次元埋め込みを学習することで、これらの課題に取り組むことを提案します。
学習された埋め込みには、複数の有益な特性があります。基礎となる形状ジオメトリを認識し、形状変形や、ノイズや部分性などのさまざまな形状アーティファクトに対して堅牢です。
したがって、この埋め込みを直接使用して、埋め込み空間での単純な最近傍検索を通じて高品質の密な対応を取得できます。
広範な実験により、数多くの挑戦的な非剛体形状マッチングベンチマークにおける新しい最先端の結果と堅牢性が実証され、セグメンテーションなどの他の形状解析タスクにおけるその大きな可能性が示されています。

要約(オリジナル)

The interest in matching non-rigidly deformed shapes represented as raw point clouds is rising due to the proliferation of low-cost 3D sensors. Yet, the task is challenging since point clouds are irregular and there is a lack of intrinsic shape information. We propose to tackle these challenges by learning a new shape representation — a per-point high dimensional embedding, in an embedding space where semantically similar points share similar embeddings. The learned embedding has multiple beneficial properties: it is aware of the underlying shape geometry and is robust to shape deformations and various shape artefacts, such as noise and partiality. Consequently, this embedding can be directly employed to retrieve high-quality dense correspondences through a simple nearest neighbor search in the embedding space. Extensive experiments demonstrate new state-of-the-art results and robustness in numerous challenging non-rigid shape matching benchmarks and show its great potential in other shape analysis tasks, such as segmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google