[論文レビュー] Shape Analysis via Functional Map Construction and Bases Pursuit

Omri Azencot, Rongjie Lai|arXiv (Cornell University)|Sep 29, 2019

3D Shape Modeling and Analysis参考文献 39被引用数 19

ひとこと要約

本稿では、ラプラシアン＝ベルトラミ（LB）固有関数の代わりに適切な直交分解（POD）を用いて、三角メッシュ上での関数的マップと基底関数の共同計算を統一的フレームワークで行う手法を提案する。最新の正則化項を内蔵したADMM最適化スキームを用いることで、形状マッチング、関数転送、四角形メッシュ化の分野で、LBベースの手法と比較して優れた性能を達成し、特徴の整合性が向上し、表現誤差が低減される。

ABSTRACT

We propose a method to simultaneously compute scalar basis functions with an associated functional map for a given pair of triangle meshes. Unlike previous techniques that put emphasis on smoothness with respect to the Laplace--Beltrami operator and thus favor low-frequency eigenfunctions, we aim for a spectrum that allows for better feature matching. This change of perspective introduces many degrees of freedom into the problem which we exploit to improve the accuracy of our computed correspondences. To effectively search in this high dimensional space of solutions, we incorporate into our minimization state-of-the-art regularizers. We solve the resulting highly non-linear and non-convex problem using an iterative scheme via the Alternating Direction Method of Multipliers. At each step, our optimization involves simple to solve linear or Sylvester-type equations. In practice, our method performs well in terms of convergence, and we additionally show that it is similar to a provably convergent problem. We show the advantages of our approach by extensively testing it on multiple datasets in a few applications including shape matching, consistent quadrangulation and scalar function transfer.

研究の動機と目的

• 高周波数特徴の表現や記述子固有の幾何構造を捉える点で、ラプラシアン＝ベルトラミ（LB）基底の限界を克服すること。
• 関数的マップ計算と基底設計を統合的な最適化フレームワークに統合し、解の柔軟性を高めること。
• 与えられた記述子に合わせて基底関数をカスタマイズすることで、非等長形状マッチングにおける対応精度を向上させること。
• 一貫性のある四角形メッシュ化やスカラー関数転送といった下流タスクにおける性能向上を実現すること。
• 非凸・非線形問題を効率的に処理できる、スケーラブルで収束性を保証するADMMに基づく最適化スキームの開発

提案手法

• 従来のLB固有関数の代わりに、与えられた記述子から導出されるPODモードを用いて低次元基底部分空間を構築する。
• 関数的マップ行列と基底関数の両者を同時に最適化する統合的最適化問題を定式化し、解空間を拡大する。
• サイクル整合性、等長性、滑らかさの正則化項を組み込み、高品質な対応を導くように最適化を誘導する。
• ADMMに基づく反復的アルゴリズムを採用し、線形方程式およびシルベスター型方程式を含む交互に解く部分問題に問題を分解する。
• 各ADMM部分問題は計算的に効率的であり、標準的な線形代数手法で解ける。
• 関連問題について理論的に収束性が保証されており、実際の実験でも収束が観察される。

実験結果

リサーチクエスチョン

• RQ1 記述子スペクトルに適合した基底関数は、関数的マップ計算において標準的なラプラシアン＝ベルトラミ固有関数を上回る性能を発揮するか？
• RQ2 基底関数と関数的マップの共同最適化は、形状対応精度をどのように向上させるか？
• RQ3 PODに基づく基底は、LBに基づく基底と比較して、高周波数または局所的に支持された特徴をよりよく表現できるか？
• RQ4 提案されたADMMに基づく最適化スキームは信頼性があり、実用的な幾何処理タスクにスケーリング可能か？
• RQ5 統合的フレームワークは、四角形メッシュ化や関数転送といった下流アプリケーションをどの程度向上できるか？

主な発見

• 固定されたLB基底と比較して、一貫性のある四角形メッシュ化において等高線の整合性と特異点マッチングが顕著に向上する。
• 関数転送タスクにおいて、関数的マップ最適化とPODに基づく基底を組み合わせることでノイズが低減され、ガウス関数のような高周波数特徴がより正確に局所化される。
• 接続性が異なる、自動生成された記述子を用いた挑戦的な形状マッチングベンチマークにおいて、最先端の性能を達成する。
• 実験的結果から、特に非等長設定下で、従来手法と比較して収束が速く、安定性に優れていることが示された。
• LBベースの手法と比較して、関数的マップ行列の密度が向上しており、高周波数特徴の表現能力の向上が裏付けられる。
• 理論的分析により関連問題について収束性が保証されており、実際の性能もその保証と整合的である。