Embedded Deformation for Shape Manipulation论文详解

Embedded Deformation for Shape Manipulation论文详解

这是一篇2007年的论文，用来处理三维空间中的非线性变换。之后这个图结构用于Fusion4D来做三维重建以及Fast_RNRR来做非刚体配准。图的构建简单，问题是如何加快优化的速度，目前Fusion4D和Fast_RNRR中速度快。一下对图的构建进行说明。

图的概念

首先介绍论文中图的基本概念。

• vertex 三维中的所有点
• node 构建图的点，位置变换会对vertex产生影响。每个node储存了旋转和平移矩阵
• edge 满足条件的node构建edge,用来表示点之间的重叠影响

1.edge:首先edge是由node参与构建的，与vertex无关。如果NodeA 和 NodeB 都对某一个vertex有影响，那么这两个点是有边连接的。

2.为了减少计算量和效率(最近邻点的变换应该是相近的),于是选择KNN的node,来构建边。也就是说对于每一个vertex去找最近邻的node,而这些node都会构建edge(都对这个vertex有作用),遍历每一vertex，由此构建node的邻接矩阵

3.edge的作用在优化中的第二个能量项中,有边连接的node是相互制约的。

总结一下图的基本思想。每个vertex的位置变换由相邻的node决定，而有edge连接的node的位置变换相互制约。

优化

优化项

以下通过优化项对论文进行解析。
优化项总的分为三项：约束项、正则项、旋转项。约束项和旋转项非常容易理解。总的能量项即为三者加权。
1.约束项
这一项非常容易理解，就是predict的点的位置应该尽可能逼近用户edit的点.

2.正则项
两个node变换的约束，即构建了edge的node对node的变换应该与自己对自己的尽可能相似.
alpha应该正比于图的度。但是论文作者为了该模型能够适应各种3D结构，于是统一设计为1.

3.旋转项
旋转项要求旋转矩阵尽可能满足SO（3），E(rot)即是所有的求和。

思考:论文中w(con) = 100, w(reg) = 10, w(rot) = 1.如果我不需要交互，只是选择某些点，使得它们去拟合一曲面，那么我能不能把约束项直接删除使得选中的点移动至我指定的位置？
答：我认为不能删因为去拟合一个平面，不一定要我选中的点到达指定的位置，而是需要整体的相近性（当然还有其他损失项来迫使面向面的拟合）。如果删去，相当于将约束项的权重设置为无穷，不一定能达到我想要的效果。

高斯-牛顿法优化

高斯-牛顿法即用于解决非线性的拟合问题。假设有一个n维向量，通过f(x)映射到m维去，求解一组n使得有关m维的函数最小，即损失项（f(x).transpose()*f(x)）最小，而求解的n则是每一个node的变换矩阵中的参数。

在实际使用过程中，一般迭代3-4次就可以收敛，可见算法的效率较高。

算法流程

1. 输入Node, Vertex
2. 初始化各个Node的旋转与平移矩阵，计算连通性，得到邻接矩阵
3. 选择指定点移动
4. 高斯牛顿优化
   5. 计算迭代点
   6. 更新矩阵参数以及邻接矩阵
   7. 重复5、6直到到达阈值（阈值的判定在文中还比较复杂）