本文引入了一个新的框架,用于表面分析,该框架源自形状空间上的弹性Riemannian指标的一般设置。传统上,这些指标是在沉浸式表面的无限尺寸流形上定义的,并满足特定的不变特性,从而可以比较表面模型形状保存变换,例如重新构度。我们方法的特异性是将允许转换的空间限制为变形场的预定义有限尺寸基础。这些以数据驱动方式估算,以模拟特定类型的表面变换。这使我们可以简化对相应形状空间的代表到有限的尺寸潜在空间。然而,与涉及涉及的方法形成鲜明对比。网状自动编码器,潜在空间配备了从弹性指标家族继承的非欧国人Riemannian指标。我们演示了如何有效地实现该模型以在表面网格上执行各种任务,这些任务不假定这些模型已预先注册,甚至没有一致的网格结构。我们专门验证了我们对人体形状和姿势数据的方法以及人的面部和手部扫描,例如形状注册,插值,运动转移或随机姿势产生等问题。
主要关键词