기하학적 트랜스포머를 이용한 빠르고 강건한 포인트 클라우드 정렬

점 클라우드 정합을 위한 정확한 대응 관계 추출 문제를 연구한다. 최근의 관건점 기반 방법은 반복 가능성이 낮은 저중첩 상황에서 탐지가 어려운 반복 가능한 관건점을 생략함으로써 정합 분야에서 큰 잠재력을 보여주고 있다. 이러한 방법들은 다운샘플링된 슈퍼포인트 간의 대응 관계를 탐색한 후 이를 밀도 높은 포인트로 전파한다. 슈퍼포인트는 이웃하는 패치 간의 중첩 여부를 기준으로 매칭된다. 이러한 희소하고 느슨한 매칭을 위해서는 점 클라우드의 기하 구조를 포착하는 맥락적 특징이 필요하다. 우리는 강건한 슈퍼포인트 매칭을 위한 기하 특징을 학습하기 위해 기하 변환기(Geometric Transformer)를 제안한다. 이 모델은 쌍별 거리와 삼중각 정보를 인코딩함으로써 저중첩 상황에서도 강건성을 확보하고, 강체 변환에 대해 불변성을 유지한다. 단순한 설계에도 불구하고 놀라운 높은 매칭 정확도를 달성하여 정합 변환 추정 시 RANSAC이 필요 없게 되었으며, 이로 인해 약 100배의 가속 효과를 얻었다. 제안한 방법은 도전적인 3DLoMatch 벤치마크에서 내부점 비율을 17~30퍼센트 포인트 향상시키고, 정합 재현율을 7점 이상 개선하였다. 본 연구의 코드 및 모델은 https://github.com/qinzheng93/GeoTransformer 에서 공개되어 있다.