本文提出了一种新型无监督学习方法，用于非刚性3D形状匹配。通过改进深度功能映射，建立鲁棒的对应关系，有效解决大变形和噪声问题。实验结果表明，该方法在多个挑战性数据集上优于现有技术。

该文综述了非刚性3D形状匹配的无监督学习方法，涵盖深度功能映射、频谱上采样、循环一致性和部分形状匹配等技术，能在非等距和拓扑噪声等挑战下实现高精度对应，并在多个基准数据集上超越现有方法。

该文介绍了一种新型无监督学习方法，用于非刚性3D形状匹配。该方法通过改进深度功能映射方法，适用于不同挑战性场景。实验结果表明，该方法在包括非同构形变、拓扑噪声和部分性等不同挑战性数据集上明显优于现有的最先进方法。