포인트 클라우드 등록은 로봇공학, 의료 영상, 기타 응용 분야에 적용되는 컴퓨터 비전의 핵심 문제입니다. 이 문제는 하나의 포인트 클라우드를 다른 포인트 클라우드와 일치시키기 위한 강체 변환을 찾는 것을 포함합니다. 반복 최근점 알고리즘(Iterative Closest Point, ICP)과 그 변형들은 이 작업을 위한 간단하고 쉽게 구현할 수 있는 반복적 방법을 제공하지만, 이러한 알고리즘들은 잘못된 국소 최적해로 수렴할 수 있습니다. ICP 파이프라인에서 발생하는 국소 최적해 및 기타 어려움을 해결하기 위해, 최근 컴퓨터 비전 및 자연어 처리 기술에서 영감을 받은 학습 기반 방법인 딥 클로즈스트 포인트(Deep Closest Point, DCP)를 제안합니다. 우리의 모델은 세 부분으로 구성됩니다: 포인트 클라우드 임베딩 네트워크, 조합 매칭을 근사하기 위한 주의 기반 모듈과 포인터 생성 레이어의 결합, 그리고 최종 강체 변환을 추출하기 위한 미분 가능한 특이값 분해(Singular Value Decomposition, SVD) 레이어입니다. 우리는 ModelNet40 데이터셋에서 모델을 엔드투엔드로 훈련시키고 여러 설정에서 ICP, 그 변형들(예: Go-ICP, FGR), 그리고 최근 제안된 학습 기반 방법 PointNetLK보다 더 우수한 성능을 보임을 입증합니다. 최신 등록 기술을 제공하는 것 이상으로, 우리는 학습된 특징들이 미처 본 적 없는 객체에 전송될 때의 적합성을 평가합니다. 또한 도메인 특화 및/또는 전역 특징들이 강체 등록에 어떻게 도움이 되는지 이해하기 위해 학습된 모델에 대한 초기 분석도 제공합니다.