成果名称：基于软密度峰值聚类和半监督学习的三维形状分割算法

成果简介：三维形状分割在形状分析中起着至关重要的作用。已有的研究工作普遍采用全监督的学习方法来实现最先进的性能。然而，获取完全标记的训练数据通常是一个非常昂贵的过程。我们提出了一种新颖的半监督三维形状分割算法。在该方法中，用户只需要首先使用我们的软密度峰值聚类方法，结合简单的交互来定位几个种子面片，然后该算法可以自动学习所需的标签信息，并通过算法的优化模型产生令人满意的分割结果。在学术界大量公开数据集上的实验测试和对比结果表明，我们所提出的方法可以得到比传统无监督方法更好的分割性能，以及和传统全监督方法相似的性能。该项成果以舒振宇教授为第一作者，于2022年发表在国际计算机领域权威期刊《Computer-Aided Design》上。

图1 算法整体流程

图2 算法分割结果