非監督点群形状対応は、手動でアノテーションされたペアなしで点群間の高密度な点対点対応を獲得することを目指しています。しかし、人間や一部の動物は左右対称性を持ち、様々な向きを持つため、対称的な部分の予測が大幅に誤ることがあります。さらに、点群ノイズにより点群の一貫した表現が乱れ、形状対応の精度が低下します。これらの問題に対処するため、我々は自己アンサンブル型向き認識ネットワークであるSE-ORNet（Self-Ensembling Orientation-aware Network）を提案します。我々の手法の鍵は、ドメイン適応型ディスクリミネーターを使用した向き推定モジュールです。このモジュールにより、点群ペアの向きを合わせることができ、対称的な部分の予測誤りが大幅に軽減されます。また、非監督点群形状対応のために自己アンサンブルフレームワークを設計しました。このフレームワークでは、異なるデータ拡張によって学生ネットワークと教師ネットワークの入力を摂動し、予測の一貫性を制約することで、点群ノイズによる擾乱を克服します。人間と動物のデータセットにおける広範な実験結果から、我々のSE-ORNetが最先端の非監督点群形状対応手法を超えることが示されています。