要約
点群の登録は、ロボティクス、医療画像処理、その他の応用分野におけるコンピュータビジョンにとって重要な問題です。この問題は、一方の点群を他方の点群に合わせるための剛体変換を見つけることを含みます。反復最接近点法（Iterative Closest Point: ICP）とその派生手法は、このタスクに対する単純で実装が容易な反復的手法を提供しますが、これらのアルゴリズムは偽の局所最適解に収束する可能性があります。ICPパイプラインにおける局所最適解やその他の困難に対処するために、我々は最近のコンピュータビジョンおよび自然言語処理技術に触発されて学習ベースの手法であるDeep Closest Point (DCP)を提案します。我々のモデルは3つの部分から構成されています：点群埋め込みネットワーク、組合せマッチングを近似するためのアテンションベースモジュールとポインタジェネレーション層の組み合わせ、そして最終的な剛体変換を抽出するための微分可能な特異値分解（Singular Value Decomposition: SVD）層です。我々はModelNet40データセット上でモデルをエンドツーエンドで訓練し、複数の設定においてICPやその派生手法（例：Go-ICP, FGR）、そして最近提案された学習ベース手法PointNetLKよりも優れた性能を示しています。最先端の登録技術を提供するだけでなく、学習した特徴量が未知の物体に転移できるか否かについても評価を行っています。さらに、領域固有または全体的な特徴量が剛体登録を促進するかどうかについて初步的な分析も提供しています。以上が翻訳となります。ご確認ください。