Function Maps: A Flexible Representation of Maps Between Shapes

1) 图1, 先通过discriptor算出每点的值, 然后算出function map,即matrix C C . 左图是说明discriptor每有区分左右, 中图加了对应约束使其左右交换, 右图为了说明function map满足代数运算, 左图减去中图就得到保方向的function map

2) section 4
这里写图片描述

注意 f,g是从manifold上面到实数的函数, T,T1 T , T − 1 是从一个manifold到另一个manifold人映射, TF,T1F T F , T F − 1 是从一个函数到另一个函数的映射。

TF(f)=g=fT1 T F ( f ) = g = f ∘ T − 1

3) Note that C C has a particularly … cij=<TF(ϕiM),ϕjN>
只有正交的时候内积才是投影
这里写图片描述

4) 图2主要说明near-isometric maps 的funtion map是一个稀疏,大体对角的矩阵。

5) 5.1 Indeed, … applications.
基为每点单色, 但是基的数量会很多, 并不compact. 然后图3阐述了不同数量的eigenvector作为基,最后得到的平均geodesic error.

关键句: maps that correspond to bigger deformations require more basis vectors, capturing the intuition that near-isometric maps are more compactly represented.

Note that the eigenfunctions of the unweighted discretization of Laplace-Beltrami operator provide a more compact representation of the map for the same quality of reconstruction.

6) 图4主要说明near-isometric maps induce matrices that are nearly sparse
the functional matrix C C stops being diagonal very quickly under even mild non-isometric deformations.

7) 图5主要说明functional representation的连续性, 这里通过插值的方式表现出来

8) 5.3讲各种constraints

9) Theorem5.1 看后面附录的证明,
Ci,j=<TF(ϕiM),ϕjN>=NϕiMT1(y)ϕN(y)μN(y)
Dj,i=<SF(ϕNj),ϕMi>=MϕNjT(x)ϕM(x)μM(x) D j , i =< S F ( ϕ j N ) , ϕ i M >= ∫ M ϕ j N ∘ T ( x ) ϕ M ( x ) μ M ( x )

里面积分式一样, 外面体积一样, 所以 C=DT C = D T

10) 6.1 事件复杂度,建树 O(VNlogVN) O ( V N l o g V N ) , 查找 O(VMlogVN) O ( V M l o g V N )

这里我想说说如何从函数的映射关系推导出点对点的映射关系,

注意看
δ δ 函数在基下面的映射
δx=limtetλiϕMi(x)ϕNi() δ x = l i m t → ∞ e − t λ i ϕ i M ( x ) ϕ i N ( ⋅ ) ,
推导见【A Concise and Provably Informative Multi-Scale Signature
Based on Heat Diffusion】
这里写图片描述

t0 t → 0 时, etλi e − t λ i 趋于1, 所以在点x处的 δ δ 函数在Laplacian-Beltrami基下面( BM×VM B M × V M BM B M 为LB基的数量)的系数为 ϕMi(x) ϕ i M ( x ) ,即矩阵 ϕ ϕ 第x列,该系数向量共有 BM B M 个。

然后矩阵 C C 是将BM维的系数转到 BN B N 维上的系数, (假设的 C C 维数是BM×BN, 根据需要自己转置, 反正就是从一个基的维度转到另一个基的维度),然后这里的系数刚好又是 ϕM ϕ M .

后面那个公式说明函数的差值跟系数差值成正比, 所以为了找出M上一点x对应于N上的某一点, 只需要找出 δx δ x 的系数,然后通过矩阵 C C ,转到N下面的系数, 再于N下面δ函数的系数作比较, 找出系数差距最小, 即找到了函数值差距最小。

整个过程是,对于M上的某一点x, 其 δx δ x 函数即在M的LB基下面的系数为 ϕM(x) ϕ M ( x ) , 转到N的LB基下的系数为 CϕMi(x) C ϕ i M ( x ) ,该向量为 BN×1 B N × 1 维,然后与N的LB基的每一列 ϕN(y) ϕ N ( y ) 算距离( ϕN ϕ N 的维数为 BN×VN B N × V N ),距离出最小的第y列,即为x的对应点。

11) 图6 说明他的方法比别人牛逼,竖轴为匹配部分的百分比

12) 图7 说明maps跟mesh的拓扑结构无关, 这里只用了x,y,z的坐标信息然后分别渲染到R,G,B通道

13) 图8说明他们的方法能帮别人提升(通过6.2), 图9也是

14) 8.2是说一堆shape(shape collection)的匹配问题, 图10 a是原始错误, b是运行ICSM后的错误, c用diffusion运行在ICSM结果上。图11也是
15)说明segmentation的方法, 对于原模型的segmentation,每个区域用一个indicator function,然后转移到新的模型上

这里写图片描述

第一项是求funtional map C C , 第二项是保isometric, 第三项是operator commutativity

这里写图片描述
这里写图片描述

注意这里Sfk Sgk S g k 是从一个函数变到另一个函数, 并且这两个函数都是作用于同一个manifold

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值