[论文解读] 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 9

一句话总结

本文提出产品流形滤波器（Product Manifold Filter），一种基于核密度估计的非刚性形状对应方法，可在不假设等距性的情况下保证双射、平滑且精确的映射。通过将对应恢复建模为产品空间中的统计推断问题，并通过求解线性分配问题（LAP）来强制实现双射性，该方法在准确性和满射性方面显著优于现有方法，同时保持较低的计算成本。

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.

研究动机与目标

• 解决现有非刚性形状对应方法在缺乏双射性和平滑性方面的局限性，尤其是在非等距形变下的表现。
• 开发一种鲁棒的对应恢复技术，确保可变形三维形状之间的一一对应和平滑映射。
• 从稀疏或噪声初始匹配中实现高精度对应，包括软映射或非满射映射。
• 消除对近似等距性等限制性假设的依赖，使方法适用于高度形变的形状。
• 提供一个统计基础框架，用于在产品空间中过滤和去噪对应流形。

提出的方法

• 该方法将对应恢复建模为两个形状在4D产品空间中的核密度估计问题，其中每个点对应于源形状和目标形状上的一对点。
• 使用多尺度核密度估计器计算点之间对应的可能性，带宽在不同尺度上自适应选择。
• 通过在估计的密度矩阵上求解线性分配问题（LAP）来强制实现双射性，确保每个点恰好映射到一个对应点。
• 该方法灵活，可接受任何初始对应作为输入——包括稀疏、密集、噪声或非满射的对应，如功能映射或最近邻输出。
• 该方法利用加权因子并允许非唯一样本，从而可直接处理软对应映射。
• 该算法计算效率高，运行时间主要由LAP求解决定，即使在大规模网格上也能良好扩展。

实验结果

研究问题

• RQ1 是否存在一种对应恢复方法，可在非刚性形状匹配中不假设等距性的情况下保证双射性和平滑性？
• RQ2 如何利用产品空间中的核密度估计来提升现有对应映射的准确性和满射性？
• RQ3 统计推断框架是否能在准确性和双射性方面优于传统的最近邻或基于功能映射的方法？
• RQ4 多尺度核估计与LAP驱动的优化对不同形变类型下的对应质量有何影响？
• RQ5 该方法是否能有效处理软、噪声或稀疏的初始对应，同时生成高质量、密集且双射的映射？

主要发现

• 产品流形滤波器在使用PMF优化时，与最近邻和CPD方法相比，显著提升了准确性，Scape数据集上的测地线误差最高降低50%。
• 在FAUST数据集上，采用双射最近邻与PMF优化的方法，测地线误差为4.06秒（n=1000, r=20），在保证双射性的同时，优于CPD（4.79秒）和NN+PMF（1.75秒）的准确性。
• 对于小规模问题（n=1000, r=20），密集匹配的运行时间已降至5秒以内，其中核密度估计耗时约4分钟，LAP求解约18秒。
• 可视化结果表明，该方法生成了完全双射的映射，无任何点缺失，而CPD和最近邻方法则因满射性差而表现不佳。
• 在非等距形状（如马和象）上的定量指标和定性传输结果均表明，该方法优于最先进方法。
• 该方法对初始化具有鲁棒性：即使仅从两个地标匹配开始，也能恢复出高精度、密集且平滑的双射对应。