[論文レビュー] Partial Functional Correspondence

Emanuele Rodolà, Luca Cosmo+3 more|arXiv (Cornell University)|Jun 17, 2015

3D Shape Modeling and Analysis参考文献 38被引用数 11

ひとこと要約

本稿では、形状部品の除去に起因するスペクトル歪みを分析し、ラプラシアン＝ベルトラミ固有関数の摂動解析に基づくスペクトル事前分布を導入することで、大きな欠損部を有する非剛性形状間の部分的関数的対応を計算する新規手法を提案する。このアプローチは、関数的マップ枠組みに形状部品除去に起因する構造的変化をモデル化するスペクトル事前分布を組み込み、高レベルの欠損度においても、密度の高い対応を安定して得られる。実世界のセンサデータに適用可能であり、チャレンジングなベンチマークにおいて最先端手法を上回る性能を発揮する。

ABSTRACT

In this paper, we propose a method for computing partial functional correspondence between non-rigid shapes. We use perturbation analysis to show how removal of shape parts changes the Laplace-Beltrami eigenfunctions, and exploit it as a prior on the spectral representation of the correspondence. Corresponding parts are optimization variables in our problem and are used to weight the functional correspondence; we are looking for the largest and most regular (in the Mumford-Shah sense) parts that minimize correspondence distortion. We show that our approach can cope with very challenging correspondence settings.

研究の動機と目的

• オクルージョンやスキャン制限による大きな形状欠損が生じる非剛性部分的対応の課題に対処すること。
• 従来の関数的マップ手法が、信頼性の低いスペクトル特徴と構造的事前分布の欠如により、高レベルの欠損度下で失敗することを克服すること。
• ラプラシアン＝ベルトラミ固有関数の摂動解析に基づく、形状部品の除去に起因する構造的変化をモデル化する新規事前分布を導入すること。
• 部分的マッチングのロバストネスと正確性を向上させるために、最大で最も規則的（Mumford-Shahの意味で）な対応領域を最適化すること。
• 疎な初期マッチングや剛性アライメントに依存しない、完全自動の手法を構築すること。

提案手法

• ラプラシアン＝ベルトラミ作用素の固有関数を基底として用い、スペクトル領域における関数的マップとして部分的対応をモデル化する。
• 形状部品の除去が固有関数構造に与える影響を摂動解析により導出し、特に関数的マップ行列に斜めの構造を誘発することを示すスペクトル事前分布を導出する。
• 正則性（Mumford-Shahエネルギー）を最大化し、歪みを最小化することで、関数的マップと対応領域を同時に推定する最適化問題を定式化する。
• スペクトル、幾何、滑らかさの項をバランスさせるために、異なる重み（μ₁ から μ₅）を有するマルチコンポonent正則化を用い、μ₄ と μ₅ は非直交性および非可換性をペナルティ化する。
• 既存手法（例：[BSW09a]）を用いて、点群および深度マップ上でのラプラシアンの離散化を実施し、実世界のセンサデータへの適用を可能にする。
• 交互最小化により最適化を解き、繰り返し対応と関心領域を改善する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして関数的マップ枠組みを、大きな欠損部を有する形状間の部分的対応を処理できるように拡張できるか？
• RQ2 形状部品の除去によってラプラシアン＝ベルトラミ固有関数にどのようなスペクトル的変化が生じるか？ そして、その変化を対応計算における事前分布としてどのように利用できるか？
• RQ3 Mumford-Shahに類似した正則性項は、欠損データの高レベルな状況下でも部分的対応のロバストネスを向上させ得るか？
• RQ4 部分的対応の度合いが高まるに従い、本手法は最先端手法と比較して正確性と安定性に優れているか？
• RQ5 本手法は、閉じたメッシュを必要とせず、点群や深度マップといった実世界データ上でも、密度の高い連続的かつ方向保存的な対応を生成できるか？

主な発見

• 提案手法は、関数的マップのランクが上昇するに従い、ベースライン手法 [OBCS*12] よりも優れた正確性を達成する。逆に、ベースラインではその傾向が逆転する。
• カットとホールデータセット（200対の形状）において、既存手法を上回り、ロボティクスおよびビジョン分野における部分的マッチングの最新の結果を達成する。
• 従来のメトリックおよびスペクトル手法が境界効果やメッシュアーティファクトにより性能が低下する高レベルの欠損度下でも、本手法はロバストである。
• シミュレートされた点群および深度マップにおける定性的な結果は、事前に形状クラスの知識がなくても、密度の高い連続的かつ方向保存的な対応を示す。
• パrameterチューニングに対して本手法は感受性が低く、μ値を変更した実験でも正確性の顕著な変化が認められず、ロバスト性を示す。
• 研究者らは、数百の形状ペアを含む2つの新規ベンチマークデータセットを提供し、今後の部分的対応分野の研究を促進する。