Unsupervised Template-assisted Point Cloud Shape Correspondence Network

无监督点云形状对应旨在建立源点云和目标点云之间的点对点对应关系。现有方法通过计算点云之间的点对点特征相似性来直接获取对应关系。然而，非刚性物体具有强大的可变性和不寻常的形状，直接建立具有非传统形状的点云之间的对应关系一直是一个长期的挑战。为了解决这个挑战，我们提出了一个无监督的模板辅助点云形状对应网络，称为TANet，包括一个模板生成模块和一个模板辅助模块。所提出的TANet具有几个优点。首先，模板生成模块建立了一组具有明确结构的可学习模板。其次，我们引入了一个模板辅助模块，广泛利用生成的模板从多个角度建立更准确的形状对应关系。对四个人类和动物数据集进行的广泛实验表明，TANet在性能上优于现有最先进的方法。

解决问题：论文旨在解决非刚性物体点云形状对应的问题，提出了一种基于模板的无监督点云形状对应网络。

关键思路：论文提出了一个包括模板生成模块和模板辅助模块的网络，利用可学习的模板和多角度的模板辅助来建立更准确的形状对应。

其他亮点：论文在四个人体和动物数据集上进行了广泛实验，证明了该方法相比现有方法具有更好的性能。

相关研究：在该领域的最近研究包括PointNetLK和FGR，其中PointNetLK使用了迭代最近点算法，FGR使用了一种基于图的方法。