[論文レビュー] Product Manifold Filter: Non-Rigid Shape Correspondence via Kernel Density Estimation in the Product Space

Matthias Vestner, Roee Litman+3 more|arXiv (Cornell University)|Jan 3, 2017

3D Shape Modeling and Analysis参考文献 40被引用数 9

ひとこと要約

本稿では、等長性を仮定しない非剛性形状対応のためのカーネル密度推定に基づく手法、Product Manifold Filter を提案する。この手法は、一対一で滑らかで正確な写像を保証するが、等長性を仮定しない。対応回復を積空間における統計的推論問題として定式化し、一対一性を確保するための線形割り当て問題（LAP）を解くことで、既存手法よりも顕著に精度と全射性を向上させつつ、計算コストを低く保つ。

ABSTRACT

Many algorithms for the computation of correspondences between deformable shapes rely on some variant of nearest neighbor matching in a descriptor space. Such are, for example, various point-wise correspondence recovery algorithms used as a post-processing stage in the functional correspondence framework. Such frequently used techniques implicitly make restrictive assumptions (e.g., near-isometry) on the considered shapes and in practice suffer from lack of accuracy and result in poor surjectivity. We propose an alternative recovery technique capable of guaranteeing a bijective correspondence and producing significantly higher accuracy and smoothness. Unlike other methods our approach does not depend on the assumption that the analyzed shapes are isometric. We derive the proposed method from the statistical framework of kernel density estimation and demonstrate its performance on several challenging deformable 3D shape matching datasets.

研究の動機と目的

• 非剛性形状対応手法に共通する一対一性と滑らかさの欠如、特に非等長変形下での限界を是正すること。
• 可変する3次元形状間で一対一かつ滑らかな写像を保証する強固な対応回復技術の開発。
• スパarsな初期対応またはノイズの多い対応（ソフトマップや全射でないマップを含む）からも高精度な対応を可能にすること。
• 近似的に等長性を仮定する制限的な仮定に依存しないことにより、顕著に変形された形状にも適用可能になること。
• 積空間における対応多様体のフィルタリングとノイズ除去の統計的根拠に基づくフレームワークの提供。

提案手法

• 本手法は、2つの形状の4次元積空間におけるカーネル密度推定問題として対応回復を定式化し、各点が出力形状と対応する点のペアを表す。
• スケールに応じて帯域幅を適応的に選択するマルチスケールカーネル密度推定器を用い、点間対応の尤度を計算する。
• 一対一性は、推定された密度行列に対して線形割り当て問題（LAP）を解くことで強制され、各点が正確に1つの対応点にマッピングされる。
• 本手法は柔軟性に富み、スパars、密、ノイズ多き、または全射でない入力に対しても対応可能であり、関数的マップや最近傍探索の出力も受け入れられる。
• 重み付け要因を活用し、同一のサンプルを許容することで、ソフト対応マップを直接処理可能である。
• アルゴリズムは計算的に効率的であり、実行時間は主にLAPの解法に依存し、大規模メッシュに対しても良好にスケーリングされる。

実験結果

リサーチクエスチョン

• RQ1 非剛性形状マッチングにおいて等長性を仮定しないまま、一対一性と滑らかさを保証する対応回復手法は可能か？
• RQ2 積空間におけるカーネル密度推定は、既存の対応マップの精度と全射性をどのように向上させ得るか？
• RQ3 統計的推論フレームワークは、従来の最近傍探索や関数的マップベース手法に比べ、精度と一対一性の両面で優れているか？
• RQ4 マルチスケールカーネル推定とLAPに基づく精錬が、多様な変形タイプにわたる対応品質に与える影響は何か？
• RQ5 本手法は、ソフトでノイズの多い、またはスパarsな初期対応からも、高品質で密な一対一マップを効果的に生成できるか？

主な発見

• Product Manifold Filter は、最近傍探索やCPDに比べ顕著に高い精度を達成し、PMFの精錬を施した場合、SCAPEデータセットでは測地的誤差が最大50％まで低減された。
• FAUSTデータセットでは、一対一の最近傍探索とPMF精錬を組み合わせた手法が、n=1000、r=20 の条件下で測地的誤差4.06秒を達成し、CPD（4.79秒）とNN+PMF（1.75秒）を上回る精度を示しながらも、一対一性を保証した。
• スケールの小さい問題（n=1000、r=20）において、密なマッチングの実行時間を5秒未満に短縮した。カーネル密度推定に約4分、LAPの解法に約18秒を要した。
• 可視化結果から、CPD や最近傍探索とは異なり、本手法は欠落のない完全な一対一マッピングを生成することが確認された。
• 非等長形状（馬や象など）を用いた実験では、定量的指標と定性的な形状転送結果の両面で、最新技術を上回る性能を示した。
• 初期化に非常に頑健である：わずか2つのランドマークマッチングから出発しても、高精度で密で滑らかで一対一の対応を回復できた。