基于扩散网络的三维对称图形匹配方法

    公开(公告)号:CN118781370A

    公开(公告)日:2024-10-15

    申请号:CN202410921418.X

    申请日:2024-07-10

    Applicant: 吉林大学

    Abstract: 本发明适用于计算机图形学技术领域,提供了基于扩散网络的三维对称图形匹配方法,包括以下步骤:使用深扩散网络从每个三维图形中提取关键特征,并预计算图形的Laplace谱、复Laplace谱;使用特征、Laplace谱与函数映射方法计算出定义在图形表面上的特征函数对应关系的表示矩阵;使用特征、复Laplace谱与复函数映射方法计算出定义在图形表面向量场之间的对应关系的表示矩阵;直接计算出对应的点对点映射关系,然后复原出特征函数对应关系的表示矩阵;通过上述矩阵的正交性和可交换性构造损失函数。本发明提高了三维图形匹配的性能,且在需要处理大量复杂数据的领域中展现了其优越性。

    一种三维模型的图形匹配方法
    2.
    发明公开

    公开(公告)号:CN118887430A

    公开(公告)日:2024-11-01

    申请号:CN202410906812.6

    申请日:2024-07-08

    Applicant: 吉林大学

    Abstract: 本发明适用于三维模型处理技术领域,提供了一种三维模型的图形匹配方法,包括采样点的提取,然后利用Gromov‑Wasserstein距离度量模型之间特征点匹配概率,完成模型非对称点集的匹配;对于剩下的对称点集进行两步约束后得到对称点分组信息,利用采样点的信息计算两个新的辅助点,利用向量知识来确定模型的上下和左右方向,完成最终匹配。本发明解决了对3D对称图形的初始层采样点进行匹配的过程中,容易发生的对称混淆问题。相较于解决相同问题已有的基于Gromov‑Wasserstein距离的方法相比,本发明适用于更多模型,在普适性和准确率上均有提升。

Patent Agency Ranking