PointNetは点群の表現に関する我々の考え方を革命的に変えました。分類やセグメンテーションのタスクにおいて、この手法とその後続の拡張は最先端となっています。しかし、点群レジストレーションへのPointNetの成功した応用はまだ見つかっていません。本論文では、PointNet自体が学習可能な「イメージング」関数と考えられることを主張します。その結果、画像アライメントの古典的なビジョンアルゴリズム（具体的にはLucas & Kanade (LK) アルゴリズム）をこの問題に適用することが可能となります。私たちの中心的な革新は以下の2点から生まれています：(i) LKアルゴリズムをPointNetのイメージング関数に対応させる方法、(ii) PointNetとLKアルゴリズムを単一の学習可能な再帰型深層ニューラルネットワークに展開する方法です。ここでは、そのアーキテクチャについて説明し、一般的なレジストレーションシナリオにおける性能を最先端技術と比較します。このアーキテクチャは形状カテゴリ間での汎化能力と計算効率性など、いくつかの注目すべき特性を持っています。これにより、深層学習を点群レジストレーションに応用する新たな探索経路が開かれています。コードとビデオはhttps://github.com/hmgoforth/PointNetLKで利用可能です。