Alineación del espectro para una estimación robusta de las correspondencias de nube de puntos en 3D

Área de la Ciencia:

• Visión por computadora
• Procesamiento geométrico
• Geometría computacional

Sus antecedentes:

• Estimar las correspondencias densas punto a punto entre nubes de puntos 3D es crucial para aplicaciones como la textura y la transferencia de movimiento.
• Las transformaciones no rígidas en las formas plantean desafíos significativos para los métodos tradicionales de correspondencia.
• Los métodos existentes a menudo se basan en representaciones espectrales que utilizan las funciones propias del operador de Laplace-Beltrami (LBO), pero sufren de desalineación y valores atípicos.

Objetivo del estudio:

• Desarrollar un enfoque eficiente para alinear espectros de LBOs en nubes de puntos tridimensionales.
• Mejorar la robustez de la estimación de la correspondencia de la función con respecto a los valores atípicos.
• Para mejorar la precisión de las correspondencias de punto a punto densas para formas aproximadamente isométricas.

Principales métodos:

• Alineación espectral de los operadores de Laplace-Beltrami para nubes de puntos en 3D.
• Técnicas robustas de estimación de la correspondencia de funciones para manejar valores atípicos.
• Comparación con algoritmos de ajuste de forma 3D de última generación en conjuntos de datos de referencia.

Principales resultados:

• Alineado con éxito espectros LBO, manteniendo funciones propias compatibles para formas no rígidas.
• Se ha demostrado una mayor robustez en la estimación de la correspondencia de funciones.
• Logró una coincidencia de formas 3D efectiva, superando los métodos existentes en conjuntos de datos de referencia.

Conclusiones:

• El método propuesto ofrece una solución eficiente y robusta para correspondencias densas de punto a punto en escenarios difíciles de coincidencia de formas en 3D.
• La alineación espectral y las técnicas de rechazo de valores atípicos son clave para manejar las transformaciones no rígidas de manera efectiva.
• Este trabajo avanza en el campo del procesamiento geométrico con implicaciones prácticas para la computación gráfica y la visión.