D3Feat：3D局所特徴の高密度検出と記述の共同学習

点群登録の成功は、識別性の高い3次元局所特徴を用いたスパースなマッチングの堅牢な構築にかかっている。近年、学習ベースの3次元特徴記述子の進化は著しく進展しているが、3次元特徴検出器の学習についてはほとんど注目が集まっておらず、さらに両者の共同学習に至ってはほとんど研究がなされていない。本論文では、3次元点群に対して3次元全畳み込みネットワーク（3D fully convolutional network）を活用し、各3次元点に対して検出スコアと記述特徴を密に予測する、新規かつ実用的な学習メカニズムを提案する。特に、3次元点群に内在する密度の変動を克服するためのキーポイント選択戦略を提案するとともに、学習中にリアルタイムで得られる特徴マッチング結果を用いてガイドする自己教師付き検出器損失を導入する。実験結果として、3DMatchおよびKITTIデータセット上での屋内・屋外両環境において、最先端の性能を達成し、ETHデータセット上でも優れた汎化能力を示した。実用性の観点から、信頼性の高い特徴検出器を採用することで、少ない数の特徴点サンプリングでも正確かつ高速な点群アライメントが可能であることを示した。[コード公開]（https://github.com/XuyangBai/D3Feat）