Sparse Modeling of Intrinsic Correspondences

这篇文章的主要贡献是把区域的匹配细化到点的匹配上去

As the input to our algorithm, we are given only two sets of regions in two shapes; no descriptors
are provided so the correspondence between the regions is not know, nor we know how many regions correspond in the two shapes. We show that even with such scarce information, it is possible to establish very accurate correspondence between the shapes by using methods from the field of sparse modeling, being this, the first non-trivial use of sparse models in shape correspondence.

1) 图1, ΠΠ\Pi是置换矩阵, A,BA,BA,B是多个函数fi,gifi,gif_i, g_i在orthonormal harmonic basesΦ(VM×BM),Ψ(VN×BN)Φ(VM×BM),Ψ(VN×BN)\Phi(V_M\times B_M), \Psi(V_N\times B_N)下的系数矩阵. C((BM×BN)C((BM×BN)C((B_M\times B_N)是functional correspondence matrix, 从一个基的系数转到另外一个基的系数, 注意论文里mmm是点数, n" role="presentation">nnn是基的数量, 然后假设在两个模型上他们是一样的. OOO是匹配有误的地方的弥补矩阵

2) 注意repeatable的定义, i.e. appear(possibly with some inaccuracy) on both shapes.

3) 1-norm promotes a sparse solution(产生稀疏), 2- norm 产生平滑的结果.

4) ‖z‖1,2=‖z1‖2+⋅+‖zk‖2" role="presentation">∥z∥1,2=∥z1∥2+⋅+∥zk∥2‖z‖1,2=‖z1‖2+⋅+‖zk‖2\|z\|_{1,2} = \|z_1\|_2 + \cdot + \|z_k\|_2
可以看成
∥z∥1,2=∥z1∥2+⋅+∥zk∥2=∥(∥z1∥2+⋅+∥zk∥2)∥1‖z‖1,2=‖z1‖2+⋅+‖zk‖2=‖(‖z1‖2+⋅+‖zk‖2)‖1\|z\|_{1,2} = \|z_1\|_2 + \cdot + \|z_k\|_2= \| (\|z_1\|_2 + \cdot + \|z_k\|_2)\|_1

组内平滑, 组间稀疏, 简单理解就是列稀疏, 然后后面的l2,1l2,1l_{2,1}就是行稀疏

5)图2-4是说这方法有效, 图5是说未完全相互匹配的WKS point features使用该算法, 算出来的Π,O,CΠ,O,C\Pi, O, C.

6)图6是说, 当non-isometric 程度大的时候, 该方法失效

7) 式(11), 第一部分是满足detected regions的匹配关系 , 第二部分是让CCC变成对角矩阵, 后面是等同解法

8) 式(16), 矩阵O" role="presentation">OOO是弥补矩阵, 第三项用了2,1norm, 就是行内平滑, 行间稀疏(行稀疏)

假设AAA为q×n" role="presentation">q×nq×nq \times n, BBB为r×n" role="presentation">r×nr×nr \times n, 他两只有sss行match, s≤q" role="presentation">s≤qs≤qs \le q
说明BBB中的某些行没有匹配上, 为了表达此意,只需要ΠB" role="presentation">ΠBΠB\Pi B中的ΠΠ\Pi某些列为0, 那么1TΠ≤1T(乘以全为0的列时)1TΠ≤1T(乘以全为0的列时)1^T \Pi \le 1^T(乘以全为0的列时)或者ΠT1≤1ΠT1≤1\Pi^T 1 \le 1
但是由于s≤qs≤qs \le q, 说明AAA有时行也有可能没有匹配上, 类似我们可以加上Π1≤1" role="presentation">Π1≤1Π1≤1\Pi 1 \le 1, 但是这样容易得到Π=0Π=0\Pi = 0, 所以我们强制AAA每行都有匹配,只不过有q-s是错误匹配的, 这时我们需要加上O" role="presentation">OOO矩阵来容错, 然后让这个容错矩阵行稀疏, 让错误匹配的行数尽量减少

注意原论文有误, 应该是q−sq−sq-s mismatches, 公式17, 求和是从1到qq<script type="math/tex" id="MathJax-Element-5562">q</script>

9)section 4是解法 , 我没细看

10) 图7, 是该算法的迭代情况

11)图8, 是算法与其他算法的对比, 横轴是初始geodesic error的值, 纵轴是匹配正确率,

Sparse Modeling of Intrinsic Correspondences相关推荐

learining user's intrinsic and extrinsic interests for point of interest recommendation IJCAI17
huayu li Point of interest recommendationPOI推荐 In this paper, 提出一个统一的方法,来有效学习细粒的(fine-grained).可解释的用 ...
Reproducible Research in Computational Science
Reproducible Research in Computational Science from: http://www.csee.wvu.edu/~xinl/source.html " ...
计算机视觉领域经典论文源码
计算机视觉领域经典论文源码转载自:http://blog.csdn.net/ddreaming/article/details/52416643 2016-CVPR论文代码资源: https://t ...
图像、视觉处理的相关代码
原文:http://blog.csdn.net/huangwen199002/article/details/49850137 Reproducible Research in Computation ...
计算机视觉领域经典论文源码大全
计算机视觉领域经典论文源码在读一些大牛的论文后,总是想找些代码读一读,可是查找代码资源是如此的痛苦,经过一番请教和查找,将比较好的资源贴出来,方便大家使用,希望大家有什么更好的资源也能分享出来,可以 ...
来自西弗吉利亚大学li xin整理的CV代码合集（转）
目录(?)[-] Image denoising Image coding Image demosaicing Image interpolation and Superresolution RGBD ...
来自西弗吉利亚大学li xin整理的CV代码合集
来自西弗吉利亚大学li xin整理的CV代码合集来自http://blog.csdn.net/suda072605/article/details/21000879#t21 Reproducible ...
CV codes代码分类整理合集
转载 http://www.sigvc.org/bbs/thread-72-1-1.html 一.特征提取Feature Extraction: SIFT [1] [Demo program][ ...
CV codes代码分类整理合集2
一.特征提取Feature Extraction: SIFT [1] [Demo program][SIFT Library] [VLFeat] PCA-SIFT [2] [Proj ...

Sparse Modeling of Intrinsic Correspondences

Sparse Modeling of Intrinsic Correspondences相关推荐

最新文章

热门文章