私たちはLepardを紹介します。これは、剛体および変形可能なシーンにおける部分点群マッチングのための学習ベースのアプローチです。この手法の主要な特徴は、以下の3つの技術で、これらの技術は3次元位置情報を活用して点群マッチングを行います。1) 点群表現を特徴空間と3次元位置空間に分離するアーキテクチャ。2) ベクトルの内積を通じて3次元相対距離情報を明示的に示す位置エンコーディング方法。3) 交差点群間の相対位置を修正するリポジショニング技術。アブレーションスタディにより、上記の技術が有効であることが示されています。剛体の場合では、LepardとRANSACおよびICPを組み合わせることで、3DMatch / 3DLoMatchデータセットにおいて93.9% / 71.3%という最先端のレジストレーションリコール率を達成しています。変形可能な場合では、Lepardが当社が新規に構築した4DMatch / 4DLoMatchベンチマークにおいて、先行技術よりも+27.1% / +34.8%高い非剛体特徴マッチングリコール率を達成しています。