要約
リアルタイムの非剛体点群間の高密度対応を構造形状構築に基づいて行う新しい手法を提案します。当手法は「Deep Point Correspondence (DPC)」と呼ばれ、従来の技術に比べて訓練データ量が大幅に削減され、より優れた汎化能力を示しています。これまで、高密度対応問題に対して主に2つのアプローチが提案されてきました。1つ目はスペクトルベースのアプローチで、合成データセットでは優れた結果を得ていますが、形状のメッシュ接続性が必要であり、推論処理時間が長く、実世界シナリオでは不安定な傾向があります。2つ目は空間アプローチで、エンコーダー-デコーダー枠組みを使用して不規則な入力から順序付けられた点群を回帰し、マッチングアライメントを生成します。しかし、デコーダーは大量の訓練データが必要であり、クロスデータセット評価での汎化性能が低いという大きな欠点があります。DPCの新規性はデコーダーコンポーネントを持たないことにあります。代わりに、潜在的な類似性と入力座標自体を利用して点群を構築し、対応関係を決定することで、デコーダーによる座標回帰を置き換えています。広範な実験により、当手法の構築スキームが最近の最先端対応手法と比較してパフォーマンス向上につながることが示されています。当研究のコードは公開されており、以下のURLからアクセスできます: https://github.com/dvirginz/DPC.