[论文解读] Functional correspondence by matrix completion

Artiom Kovnatsky, Michael M. Bronstein+2 more|arXiv (Cornell University)|Dec 27, 2014

3D Shape Modeling and Analysis参考文献 47被引用 6

一句话总结

该论文提出了一种用于流形间函数对应关系的几何矩阵补全框架，通过狄利克雷能量和L1正则化将对应矩阵建模为底层流形上的函数。通过利用流形结构和稀疏函数定位，该方法在非刚性形状匹配基准测试中实现了最先进性能，尤其在数据稀缺条件下表现优异。

ABSTRACT

In this paper, we consider the problem of finding dense intrinsic correspondence between manifolds using the recently introduced functional framework. We pose the functional correspondence problem as matrix completion with manifold geometric structure and inducing functional localization with the $L_1$ norm. We discuss efficient numerical procedures for the solution of our problem. Our method compares favorably to the accuracy of state-of-the-art correspondence algorithms on non-rigid shape matching benchmarks, and is especially advantageous in settings when only scarce data is available.

研究动机与目标

• 解决在仅有限对应数据可用时，对非刚性3D形状和高维几何数据进行密集内在对应的问题。
• 通过将几何结构融入矩阵补全，提升函数对应关系的鲁棒性和准确性。
• 扩展函数框架，使其比以往方法更有效地处理稀疏、噪声或不完整的对应数据。
• 提供一种通用且可扩展的解决方案，适用于包括网格、点云以及图像和文本等多模态数据在内的多种流形。

提出的方法

• 将函数对应问题表述为矩阵补全任务，通过狄利克雷能量对底层流形的几何结构施加约束。
• 将对应矩阵的行和列建模为相应流形上的向量值函数，利用拉普拉斯算子编码几何平滑性。
• 应用L1正则化以促进函数表示中的稀疏性，增强定位能力并提高对噪声的鲁棒性。
• 采用子空间公式和交替方向乘子法（ADMM）开发了一种高效的优化方案，以求解非凸问题。
• 通过从数据结构（如颜色直方图、文本词袋）构建图拉普拉斯矩阵，将方法推广至多模态数据，以定义流形几何。
• 使用Manopt实现优化，同时建议扩展以处理非光滑的L1-范数最小化问题。

实验结果

研究问题

• RQ1 能否有效将几何结构嵌入矩阵补全中，以提升稀疏数据下的函数对应性能？
• RQ2 引入L1正则化和狄利克雷能量在非刚性形状匹配中如何提升对应准确性和鲁棒性？
• RQ3 在对应监督数据有限的情况下，所提方法在多大程度上优于最先进函数对应技术？
• RQ4 该框架能否推广至图像和文本注释等多模态数据？

主要发现

• 所提方法在普林斯顿非刚性形状匹配基准测试中表现优异，尤其在数据稀缺的设置下表现突出。
• 其性能优于Ovsjanikov等人和Pokrass等人提出的先前函数对应方法，尤其在处理非等距形状和拓扑噪声方面表现更优。
• 在Flickr图像标注数据集上，该方法成功生成了有意义的词云，能够以高置信度识别相关标签，即使存在噪声或无关注释。
• 该方法对几何和拓扑失真具有鲁棒性，包括缺失部分以及不同表示形式（网格与点云）之间的差异。
• L1正则化的使用显著提升了函数定位能力，有效减少了虚假对应伪影。