非刚性三维形状的对应方法、训练方法、装置及电子设备

本申请提出一种非刚性三维形状的对应方法、训练方法、装置及电子设备，首先处理形状数据得到广义特征矩阵和形状特征子矩阵，基于形状特征子矩阵的相似度，计算得到逐点对应矩阵，再由逐点对应矩阵和广义特征矩阵，计算得到相应的泛函映射矩阵，这样，仅使用空间域单分支计算泛函映射矩阵，而无需依赖谱分支计算，避免了因此带来的时间冗余和算法不稳定性；未使用任何后处理泛函映射矩阵的方法，极大地减小了训练开销，简化了网络结构，计算时效性高，泛化能力强；无监督深度学习仅利用形状对特征相似性，就能获得精确度高的对应结果，相比于依赖精细化迭代优化算法，计算更为高效。