无监督孪生函数映射网络的模型对应关系计算

• 作者: 杨军 王幸幸 芦有鹏
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器视觉 模型对应关系 孪生深度函数映射 无监督损失函数 倒角距离
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机科学与技术 & 人工智能|Computer Science and Technology & Artificial Intelligence
• 页码范围: 225-235
• 页数: 11页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2022.01.024

摘要

针对构建非刚性形变三维模型间对应关系时特征描述符信息涵盖不全面、映射矩阵优化不理想的问题,提出了利用无监督孪生深度函数映射网络计算对应关系的新方法.首先,将源模型和目标模型输入到无监督孪生深度函数映射网络中学习原始三维几何特征,并将学习到的特征分别投影至各自拉普拉斯-贝尔特拉米特征基上获得相应的谱特征描述符;然后,将谱特征描述符输入至正则化函数映射层计算出鲁棒性更强的函数映射对应关系,进而获得最优的函数映射矩阵;再次,利用无监督学习方法计算倒角距离来构建无监督损失函数,以此度量模型间相似性,评估对应关系的计算结果;最后,基于迭代频谱上采样的ZoomOut算法将函数映射矩阵恢复成点到点对应关系.定性和定量的实验结果表明,在SURREAL数据集和TOSCA数据集上构建的模型间对应关系分布均匀一致,测地误差均有所减小.本算法不仅降低了算法的时间复杂度,而且在一定程度上提高了对应关系的计算准确率.此外,无监督孪生深度函数映射网络在不同数据集上泛化能力和可扩展性大大增强.