3DMatch: RGB-D 再構成からローカル幾何学的記述子を学習する

実世界の深度画像における局所幾何学的特徴のマッチングは、3Dスキャンデータのノイジー、低解像度、および不完全な性質により困難な課題となっています。これらの問題は、通常幾何学的特性に基づくヒストグラムを使用する最新手法の性能を制限しています。本論文では、3DMatchという部分的な3Dデータ間で対応関係を確立するための局所体積パッチ記述子を学習するデータ駆動型モデルを提案します。当該モデルの訓練データを集めるために、既存のRGB-D再構築に含まれる数百万件の対応ラベルを活用する自己教師あり特徴学習方法を提案します。実験結果によると、当該記述子は新しいシーンでの再構築において局所幾何学的特徴をマッチングできるだけでなく、異なるタスクや空間スケール（例：Amazon Picking Challenge向けのインスタンスレベルオブジェクトモデルアライメントやメッシュ表面対応）にも汎化することが示されています。結果は、3DMatchが他の最先端手法よりも大幅に優れていることを一貫して示しています。コード、データ、ベンチマーク、事前学習済みモデルはオンラインで入手可能です：http://3dmatch.cs.princeton.edu