摘要
在本工作中，我们提出了一种端到端框架，用于学习三维点云的局部多视角描述子。现有方法为实现类似的多视角表示，通常在预处理阶段采用手工设计的视角进行渲染，该过程与后续的描述子学习阶段相互分离。而在我们的框架中，通过引入可微分渲染器，将多视角渲染过程整合进神经网络，使视角参数成为可优化的变量，从而能够捕捉兴趣点更具信息量的局部上下文。为进一步获得具有判别性的描述子，我们还设计了一种软视角池化模块，用于有选择性地融合多视角下的卷积特征。在现有三维点云配准基准数据集上的大量实验表明，所提方法在定量和定性两个方面均优于现有的局部描述子。