结合几何一致性的图卷积颈缘线形变网络

针对曲面形变方法计算复杂度高、曲线形变方法中忽视非局部信息的关联性、没有考虑位置与法向之间的几何一致性等问题,提出一种同时建模局部与非局部信息的图卷积层,且设计了引入位置与法向几何约束的几何辅助预测模块.首先采用k最近邻算法和注意力机制相结合的图卷积层对局部和非局部信息进行挖掘,预测空间中点的位置和法向信息;然后将预测得到的点的位置输入几何辅助预测模块,利用几何一致性约束计算得到几何法向信息;最后将得到的几何法向信息与图卷积网络预测得到的法向信息融合,再次通过图卷积网络进行形变预测,得到最终形变预测结果.在876个样本的自建颈缘线数据库上的实验结果表明,相比于其他主流方法,所提方法在均方误差度量上降低了16.7%.