[논문 리뷰] Matching LBO eigenspace of non-rigid shapes via high order statistics

Alon Shtern, Ron Kimmel|arXiv (Cornell University)|2013. 10. 16.

3D Shape Modeling and Analysis참고 문헌 16인용 수 5

한 줄 요약

이 논문은 비정형 등장형 비틀림 형상 간의 라플라스-베르트라미 고유함수를 일치시키기 위해 통계적 방법을 제안한다. 고차 모멘트 분포, 특히 세 번째 모멘트를 이용하여 부호 및 순열 모호성을 해결함으로써, 일관된 고유공간에 다수의 형상을 통합할 수 있도록 한다. 이 방법은 사전 대응 관계나 특징점이 필요 없이도 점별 대응 정확도를 크게 향상시킨다.

ABSTRACT

A fundamental tool in shape analysis is the virtual embedding of the Riemannian manifold describing the geometry of a shape into Euclidean space. Several methods have been proposed to embed isometric shapes in flat domains while preserving distances measured on the manifold. Recently, attention has been given to embedding shapes into the eigenspace of the Lapalce-Beltrami operator. The Laplace-Beltrami eigenspace preserves the diffusion distance, and is invariant under isometric transformations. However, Laplace-Beltrami eigenfunctions computed independently for different shapes are often incompatible with each other. Applications involving multiple shapes, such as pointwise correspondence, would greatly benefit if their respective eigenfunctions were somehow matched. Here, we introduce a statistical approach for matching eigenfunctions. We consider the values of the eigenfunctions over the manifold as sampling of random variables, and try to match their multivariate distributions. Comparing distributions is done indirectly, using high order statistics. We show that the permutation and sign ambiguities of low order eigenfunctions, can be inferred by minimizing the difference of their third order moments. The sign ambiguities of antisymmetric eigenfunctions can be resolved by exploiting isometric invariant relations between the gradients of the eigenfunctions and the surface normal. We present experiments demonstrating the success of the proposed method applied to feature point correspondence.

연구 동기 및 목표

• 등장형 형상 간의 라플라스-베르트라미 고유공간에서 발생하는 고유함수 순서의 일관성 부족과 부호 모호성 문제를 해결하기 위해.
• 형상 분석 작업을 위해 다수의 비정형 형상을 동시에 일관된 공통 유클리드 공간에 통합하여 삽입하기 위해.
• 기존 방법들이 특히 반대칭 고유함수의 경우 부호 모호성을 신뢰성 있게 해결하지 못하는 한계를 극복하기 위해.
• 완전한 검색을 피하고 사전 대응 지식이 없이도 확장 가능한 통계적 프레임워크를 개발하기 위해.

제안 방법

• 다양체 위의 고유함수 값들을 난수변수로 간주하고 고차 통계를 이용해 다변량 분포를 일치시킨다.
• 세 번째 모멘트를 사용하여 저차 고유함수의 순열 및 부호 모호성을 최소한의 모멘트 차이를 통해 추론한다.
• 등장형 불변 관계를 이용해 반대칭 고유함수의 부호 모호성을 해소한다. 이는 고유함수 기울기와 표면 법선 간의 관계를 활용한다.
• 세 번째 모멘트와 표면 법선 간의 교차모멘트를 조합한 비용 함수를 제안하여 일치를 이끌어내는 데 사용한다.
• 노이즈 및 비균일 샘플링에 대한 강건성을 향상시키기 위해 소프트 임계값 처리와 비선형 가중 함수를 적용한다.
• 정렬을 위한 외부 기반으로 열화된 히트 커널 서명(HKS)의 도함수를 기반으로 한 하이브리드 서명을 사용한다.

실험 결과

연구 질문

• RQ1 라플라스-베르트라미 고유함수의 고차 통계적 모멘트가 등장형 형상 쌍에서의 부호 및 순열 모호성을 해결하는 데 사용될 수 있는가?
• RQ2 등장형 불변성을 어떻게 활용하여 반대칭 고유함수의 부호 모호성을 해결할 수 있는가?
• RQ3 세 번째 모멘트만으로도 사전 대응 관계 없이 정확한 고유함수 일치를 달성할 수 있는가?
• RQ4 기울기-법선 교차모멘트를 포함시킴으로써 모멘트 중심 접근법에 비해 일치의 강건성이 얼마나 향상되는가?
• RQ5 제안된 방법이 복잡한 비정형 형상 간에 다수의 고유함수를 일관되게 일치시킬 수 있는가?

주요 결과

• 저차 고유함수의 부호 및 순열 모호성을 세 번째 모멘트의 차이를 최소화함으로써 성공적으로 해결하였다.
• 고유함수와 표면 법선 간의 교차모멘트를 사용함으로써 반대칭 고유함수의 신뢰할 수 있는 부호 추정이 가능해졌다.
• 사전 대응 관계나 특징점이 없이도 비정형 형상에서 정확한 점별 대응을 달성하였다.
• 실험 결과, 특히 대칭성과 고주파 고유함수 처리에서 기존 방법보다 일관성과 신뢰성 면에서 뛰어난 성능을 보였다.
• 소프트 임계값 처리와 가중 모멘트 추정을 통해 노이즈 및 비균일 샘플링에 강건함을 입증하였다.
• 균형 잡힌 가중치를 가진 비용 함수는 다양한 형상 쌍 간에 안정적인 수렴과 일관된 일치를 달성하였다.