3DFeat-Net: Point Cloud Registration을 위한 약한 감독 하에 있는 로컬 3D 특징

본 논문에서는 약한 감독을 사용하여 포인트 클라우드 매칭을 위한 3D 특징 검출기와 설명자를 동시에 학습하는 3DFeat-Net을 제안합니다. 기존의 많은 연구들과 달리, 우리는 수동으로 매칭되는 포인트 클러스터를 주석화할 필요가 없습니다. 대신, GPS/INS 태그가 부착된 3D 포인트 클라우드에서 특징 대응 관계를 명시적으로 지정하지 않고 정렬 및 주의 메커니즘을 활용하여 학습합니다. 우리는 훈련용과 벤치마크용 실외 LiDAR 데이터셋을 생성하였으며, 실험 결과 3DFeat-Net이 이러한 중력 정렬 데이터셋에서 최고 수준의 성능을 보임을 확인하였습니다.