PointDSC：深層空間的一貫性を活用した頑健な点群登録

特徴ベースの点群登録において、外れ値対応関係の除去は成功に向けた重要なステップの一つである。この分野における深層学習手法の導入が進む一方で、点群間のユークリッド変換によって本質的に構築される空間的一貫性は、既存の学習フレームワークにおいてほとんど注目されていない。本論文では、外れ値対応関係の削除に向け、空間的一貫性を明示的に組み込んだ新しい深層ニューラルネットワーク「PointDSC」を提案する。まず、入力の対応関係に対する特徴埋め込みを目的として、特徴と空間的一貫性の両方によって重み付けされる非局所特徴集約モジュールを提案する。次に、ペアワイズな空間的整合性によって教師付きとなる微分可能なスペクトルマッチングモジュールを定式化し、埋め込み特徴から各対応関係の内点信頼度を推定する。わずかな計算コストで、本手法は多数の実世界データセットにおいて、最先端の手作業設計型および学習ベースの外れ値除去手法を大きく上回る性能を発揮する。さらに、PointDSCを異なる3D局所記述子と組み合わせることで、その広範な適用可能性を示している。