拡散3D特徴量 (Diff3F): 非テクスチャ形状の装飾に蒸留された意味特徴量を使用する

私たちは、Diff3Fを単純で堅牢かつクラスに依存しない特徴記述子として提案します。この記述子は、テクスチャのない入力形状（メッシュやポイントクラウド）に対して計算することができます。当手法では、画像基盤モデルから入力形状へと拡散特徴を抽出します。具体的には、入力形状を使用して深度マップと法線マップを生成し、条件付き画像合成のガイダンスとして利用します。この過程で、2Dにおける（拡散）特徴を生成し、その後元の表面に持ち上げて集約します。私たちの主要な観察点は、入力形状の多視点レンダリングから得られる条件付き画像生成が一貫性を持っていなくても、関連する画像特徴は堅牢であり、したがって視点間で直接集約できるということです。これにより、追加データや学習を必要とせずに、入力形状上に意味的な特徴が生成されます。私たちは複数のベンチマーク（SHREC'19, SHREC'20, FAUST, および TOSCA）において広範な実験を行い、当手法の特徴が幾何学的なものではなく意味的なものであるため、等長変形および非等長変形に関連する形状ファミリー間で信頼性のある対応関係を生成することを示しました。コードはプロジェクトページ（https://diff3f.github.io/）から入手可能です。