SGMatch: フロー正則化によるセマンティックガイド付き非剛性形状マッチング

概要: 非剛性の3D形状間で正確な点対点対応を確立することは依然として重要な課題であり、特に非等尺変形およびトポロジーノイズの下で難易度が高い。既存の機能マップパイプラインは、幾何的記述子だけでは解決できない曖昧さに悩まされ、切り詰められたスペクトル基底を密な点ごとの対応へ射影する際に本質的に生じる空間的一貫性の欠如も存在する。本論文では、意味ガイド付き非剛性形状マッチングのための学習ベースのフレームワークである SGMatch を導入する。具体的には、視覚基盤モデルからの意味特徴を幾何的記述子に統合しつつ、局所的な構造的連続性を保つ Semantic-Guided Local Cross-Attention モジュールを設計します。さらに、条件付きフローマッチングに基づく正則化目的を導入し、回復された対応の空間的滑らかさを促進するために時間変化する速度場を監督します。複数のベンチマークにおける実験結果は、SGMatch がほぼ等尺性の設定で競争力のある性能を達成し、非等尺変形およびトポロジーノイズ下で一貫した改善を示すことを示しています。