Nous proposons une méthode permettant de généraliser l’apprentissage profond pour l’alignement de nuages de points 3D sur de nouveaux jeux de données totalement différents. Elle repose sur deux composants : MS-SVConv et UDGE. MS-SVConv, basé sur la convolution de voxels creux multi-échelle, est un réseau neuronal profond rapide qui extrait des descripteurs à partir de nuages de points pour l’alignement 3D entre deux scènes. UDGE est un algorithme permettant de transférer des réseaux profonds vers des jeux de données inconnus de manière non supervisée. L’intérêt de la méthode proposée apparaît lorsque ces deux composants, MS-SVConv et UDGE, sont utilisés conjointement comme un système intégré, permettant d’obtenir des résultats de pointe sur des jeux de données réels d’alignement, tels que 3DMatch, ETH et TUM. Le code source est disponible publiquement à l’adresse suivante : https://github.com/humanpose1/MS-SVConv.