ARC-Flow : Articulated, Resolution-Agnostic, Correspondence-Free Matching and Interpolation of 3D Shapes Under Flow Fields

要約

この作業は、2つの3Dの明確な形状とそれらの間の密な対応の自動推定の間の物理的にもっともらしい補間の監視されていない予測のための統一されたフレームワークを提示します。
補間は、神経の通常の微分方程式（ODE）によって支配された滑らかで時変フローフィールドを使用した違いの変換としてモデル化されます。
これにより、体積の保存やソフト制約などの硬い制約に対応しながら、トポロジカルな一貫性と非交差軌道が保証されます。
対応は、パラメーター化が異なる高忠実度の表面に有効な効率的な変動式を使用して回復します。
ソース形状のみに単純なスケルトンを提供することにより、変形場に物理的に動機付けられた制約を課し、対称的なあいまいさを解決します。
これは、スキニングウェイトやスケルトンのターゲットポーズ構成の事前知識に依存せずに達成されます。
定性的および定量的な結果は、標準的なデータセット全体の形状対応タスクと補間タスクの両方において、既存の最先端のアプローチに対する競争的または優れたパフォーマンスを示しています。

要約(オリジナル)

This work presents a unified framework for the unsupervised prediction of physically plausible interpolations between two 3D articulated shapes and the automatic estimation of dense correspondence between them. Interpolation is modelled as a diffeomorphic transformation using a smooth, time-varying flow field governed by Neural Ordinary Differential Equations (ODEs). This ensures topological consistency and non-intersecting trajectories while accommodating hard constraints, such as volume preservation, and soft constraints, \eg physical priors. Correspondence is recovered using an efficient Varifold formulation, that is effective on high-fidelity surfaces with differing parameterisations. By providing a simple skeleton for the source shape only, we impose physically motivated constraints on the deformation field and resolve symmetric ambiguities. This is achieved without relying on skinning weights or any prior knowledge of the skeleton’s target pose configuration. Qualitative and quantitative results demonstrate competitive or superior performance over existing state-of-the-art approaches in both shape correspondence and interpolation tasks across standard datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google