PointDSC: 깊이 있는 공간 일관성 활용의 강건한 포인트 클라우드 정합

이상치 대응 제거는 특징 기반 점군 등록에서 성공적인 결과를 얻기 위한 핵심 단계 중 하나이다. 이 분야에서 딥러닝 기법의 도입이 점점 증가하고 있음에도 불구하고, 점군 간의 유클리드 변환에 의해 본질적으로 형성되는 공간 일관성은 기존의 학습 기반 프레임워크에서 거의 별도로 다뤄지지 않았다. 본 논문에서는 이상치 대응을 제거하는 데 있어 공간 일관성을 명시적으로 반영하는 새로운 딥 신경망인 PointDSC를 제안한다. 먼저, 입력 대응의 특징 임베딩을 위해 특징과 공간 일관성을 모두 가중치로 사용하는 비국소적 특징 집약 모듈을 제안한다. 둘째, 쌍별 공간 호환성에 의해 감독되는 미분 가능한 스펙트럴 매칭 모듈을 제안하여, 임베딩된 특징에서 각 대응의 내부점 신뢰도를 추정한다. 낮은 계산 비용으로도 다양한 실제 데이터셋에서 최신의 수작업 기반 및 학습 기반 이상치 제거 기법들을 상당한 성능 차이로 초월한다. 또한 PointDSC를 다양한 3D 국소 기술자와 결합함으로써 그 광범위한 적용 가능성을 입증한다.