[論文レビュー] Compact Part-Based Shape Spaces for Dense Correspondences

Oliver Burghard, Alexander Berner+4 more|arXiv (Cornell University)|Nov 29, 2013

3D Shape Modeling and Analysis参考文献 38被引用数 6

ひとこと要約

本論文は、誘導される形状空間のcompactnessを最適化することで、粗い対応関係を高品質な密集対応関係に改善する部分ベースの生成的統計的形状モデルを提案する。部分ごとのガウス分布モデルと、新規の解析・合成パイプラインを活用することで、トポロジーと幾何が大きく異なる形状間でも、堅牢な密集対応が可能となり、最新の手法と比べて、対応品質と形状空間の一般化性能において顕著に優れている。

ABSTRACT

We consider the problem of establishing dense correspondences within a set of related shapes of strongly varying geometry. For such input, traditional shape matching approaches often produce unsatisfactory results. We propose an ensemble optimization method that improves given coarse correspondences to obtain dense correspondences. Following ideas from minimum description length approaches, it maximizes the compactness of the induced shape space to obtain high-quality correspondences. We make a number of improvements that are important for computer graphics applications: Our approach handles meshes of general topology and handles partial matching between input of varying topology. To this end we introduce a novel part-based generative statistical shape model. We develop a novel analysis algorithm that learns such models from training shapes of varying topology. We also provide a novel synthesis method that can generate new instances with varying part layouts and subject to generic variational constraints. In practical experiments, we obtain a substantial improvement in correspondence quality over state-of-the-art methods. As example application, we demonstrate a system that learns shape families as assemblies of deformable parts and permits real-time editing with continuous and discrete variability.

研究の動機と目的

• 幾何とトポロジーが著しく変化する形状間で密集対応を確立する課題に取り組むこと。従来の手法は幾何的バイアスとドリフトのため、そのような状況では失敗する。
• 局所的な滑らかさを仮定する微分変形モデル（例：弾性、薄板スプライン）の制限を克服すること。これらは、顕著に変化する形状群には不適切である。
• 少数のトポロジーが異なる例から、コンactな部分ベースの形状空間を学習し、連続的および離散的変動を併せ持つ現実的な形状合成を可能にする手法を開発すること。
• 一貫性があり高品質な密集対応を持つ可変部分アセンブリを学習することで、形状群のリアルタイムインタラクティブ編集を可能にすること。
• 過学習を回避し、入力形状の部分配置やトポロジーが著しく異なる場合でも、部分的マッチングを処理できる堅牢なフレームワークを提供すること。

提案手法

• 形状群を可変部分と部分ごとのガウス分布で表現する、部分ベースの生成的統計的形状モデルを新たに導入。これにより、トポロジーの変動を柔軟にモデル化可能となる。
• トポロジーが異なるトレーニング形状から部分ベースのモデルを学習する新規な解析アルゴリズムを開発。最小記述長原理を用いたcompactness最適化により実現。
• 部分の配置が変動する形状インスタンスを生成する合成手法を設計。一般化された変動制約に従うことで、多様な形状空間の探索が可能となる。
• 幾何、部分、エントロピー項を組み合わせたハイブリッドエネルギー関数を用い、誘導される形状空間のcompactnessを最大化することで、粗い対応関係を局所最適化で改善するフレームワークを定式化。
• ハードな表面制約と部分固有の正則化を組み込み、局所幾何を保持しつつ、グローバル変形を許容することで、初期値に依存しない堅牢性を向上。
• エナサンプル最適化を用い、繰り返し形状空間のcompactnessを改善することで、入力対応関係への忠実度とモデルの単純さのバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 グローバル変形モデルと比較して、顕著に幾何とトポロジーが変化する形状群において、部分ベースの形状モデルが密集対応品質を向上させられるか？
• RQ2 トポロジーが異なる形状から、コンパクトで一般化可能な形状空間表現を可能にするために、生成的形状モデルをどのように学習すればよいか？
• RQ3 少数で多様な形状コレクションから学習する際、部分ベースモデリングが過学習をどれほど軽減し、対応の堅牢性を向上させるか？
• RQ4 グローバル初期化を必要とせずに、本手法が高品質な密集対応を達成できるか。また、困難なケースにおいて最新の手法と比較してどのように性能を発揮するか？
• RQ5 連続的および離散的部品レベルの変動を伴うリアルタイムインタラクティブ編集において、本手法はどれほど効果的か？

主な発見

• 提案手法は、四足獣、鳥、魚、テディベアを含む多様な形状コレクションにおいて、SHREC 2007ベンチマークで検証された結果、最新の手法と比べて顕著に優れた密集対応品質を達成している。
• 部分ベースモデリングにより、過学習が軽減され、グローバルなポーズ相関が生じるのを回避し、特に強い変形や部分配置の変化が生じる場合に結果の劣化を防ぐ。
• 本手法は一般トポロジーのメッシュや、トポロジーが異なる形状間の部分的マッチングを適切に処理でき、複雑な形状群における堅牢な対応学習を可能にしている。
• 学習済み部分ベースモデルから合成された形状は、現実的な変動を示し、一貫した部品レベルの構造を維持しており、形状空間の探索と編集の能力を示している。
• 最適化フレームワークは、粗い初期化でも高品質な対応を達成でき、得られた形状空間は妥当な補間とサンプリングを可能としており、従来手法で一般的なアーチファクトを回避している。
• As-rigid-as-possible、薄板スプライン、ブレンドドインテンスマップといった手法と比較して、本手法は、特に顕著に変化する形状群において、ドリフトが少なく、幾何的アーチファクトも少ない対応を生成している。