Momentos geométricos de descriptores espectrales de forma para un análisis robusto de formas 3D no rígidas

Área de la Ciencia:

• Visión por Computadora
• Aprendizaje Profundo Geométrico
• Análisis de Formas 3D

Sus antecedentes:

• Los descriptores espectrales como Heat Kernel Signature (HKS), Scale-Invariant HKS (SIHKS) y Wave Kernel Signature (WKS) son prominentes para el análisis de formas 3D.
• Estos descriptores a menudo sufren de dependencia de parámetros, lo que limita su robustez y generalización debido a la selección heurística de escala.

Objetivo del estudio:

• Introducir una nueva clase de descriptores, Momentos Geométricos de Descriptores Espectrales de Forma (GMSDs), para superar las limitaciones de las firmas espectrales existentes.
• Mejorar el rendimiento en el análisis de formas 3D no rígidas mitigando la sensibilidad a los parámetros.

Principales métodos:

• Integrar los dominios temporal y espacial utilizando la teoría de momentos invariantes.
• Calcular seis términos de momento para formar el marco GMSD.
• Aprovechar propiedades como la invarianza isométrica y la robustez al ruido y a los cambios topológicos.

Principales resultados:

• Los GMSD demuestran un rendimiento superior en tareas de correspondencia y recuperación de formas.
• Logran mejores resultados en comparación con los métodos de vanguardia en los puntos de referencia TOSCA, SCAPE, SHREC 2011 y SHREC 2015.
• Mitigan eficazmente la sensibilidad a los parámetros inherente a los descriptores espectrales tradicionales.

Conclusiones:

• Los GMSD ofrecen una solución robusta y generalizable para el análisis de formas 3D no rígidas.
• Representan un avance significativo con respecto a los descriptores espectrales de forma existentes.
• Proporcionan un marco teórico sólido para una mejor comprensión de las formas 3D.