الميزات ثلاثية الأبعاد للانتشار (Diff3F): تزيين الأشكال غير المنسوجة بالميزات الدلالية المستخلصة

نقدم Diff3F كوصفاء خصائص بسيط وقوي وغير مرتبط بالفئة يمكن حسابه للأشكال المدخلة غير النصية (الشبكات أو السحابات النقطية). يعتمد أسلوبنا على استخلاص خصائص الانتشار من نماذج الصور الأساسية وإسقاطها على الأشكال المدخلة. وبشكل خاص، نستخدم الأشكال المدخلة لإنتاج خرائط العمق والعموديات كإرشاد لتركيب الصور المشروطة. في هذا الإطار، ننتج خصائصًا ثنائية الأبعاد (خصائص الانتشار) التي نرفعها ونبينها بعد ذلك على السطح الأصلي. الملاحظة الرئيسية لدينا هي أنه حتى إذا كانت الصور المشروطة المنتجة من التحويلات متعددة الزوايا للأشكال المدخلة غير متسقة، فإن الخصائص المرتبطة بالصور تكون قوية وبالتالي يمكن جمعها مباشرة عبر الزوايا المختلفة. هذا ينتج خصائصًا معنوية على الأشكال المدخلة دون الحاجة إلى بيانات إضافية أو تدريب. أجرينا تجارب واسعة النطاق على عدة مقاييس (SHREC'19، SHREC'20، FAUST، وTOSCA) وأظهرنا أن خصائصنا، والتي تكون معنوية بدلاً من هندسية، تنتج تطابقات موثوقة بين عائلات الأشكال ذات العلاقة الإزومترية وغير الإزومترية. يمكن الحصول على الكود عبر صفحة المشروع في https://diff3f.github.io/