PulseAugur
中
实时 10:48:17
English(EN) Deep Frequency-Aware Functional Maps for Robust Shape Matching

新框架通过频率感知学习增强3D形状匹配

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为深度频率感知函数图（Deep Frequency-Aware Functional Maps）的新型无监督学习框架，以改进3D形状匹配。该方法通过自适应地捕获特定于匹配场景的关键频率信息，解决了现有深度函数图框架的局限性。该方法引入了一个谱滤波器算子保持（Spectral Filter Operator Preservation）约束，该约束被用作损失函数，同时训练源自雅可比基（Jacobi basis）的函数图、点对点图和滤波器函数。一种有效的细化策略进一步增强了最终的点对点图，从而实现了更准确、更鲁棒的对应关系，尤其是在涉及大变形和不一致拓扑的挑战性情况下。 AI

影响 这项研究可能带来计算机视觉应用中更准确、更鲁棒的3D形状匹配。

排序理由 该集群包含一篇详细介绍新形状匹配方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架通过频率感知学习增强3D形状匹配

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Feifan Luo, Qinsong Li, Ling Hu, Haibo Wang, Xinru Liu, Shengjun Liu, Hongyang Chen ·

    Deep Frequency-Aware Functional Maps for Robust Shape Matching

    arXiv:2402.03904v3 Announce Type: replace Abstract: Deep functional map frameworks are widely employed for 3D shape matching. However, most existing deep functional map methods cannot adaptively capture important frequency information for functional map estimation in specific mat…

相关话题