CoFiNet: 강건한 PointCloud 등록을 위한 신뢰성 있는 계층적 세부 대응

점군 쌍 간의 대응 관계를 추출하여 등록(registration)하는 문제를 다룹니다. 대응 관계 검색을 위한 기존 연구들은 밀도 높은 점들에서 탐지한 희소 키포인트를 활용하지만, 보통 이러한 키포인트의 반복성(repeatability)을 보장하기 어려운 문제가 있습니다. 이 문제를 해결하기 위해, 키포인트 탐지 없이 거친 단계에서부터 세밀한 단계로 계층적인 대응 관계를 추출하는 CoFiNet(Coarse-to-Fine Network)을 제안합니다. 거친 스케일에서는 가중치 부여 방식에 따라, 주변 점들이 더 많은 겹침을 가지는 다운샘플링된 노드들 간의 매칭을 학습함으로써, 다음 단계의 탐색 공간을 크게 축소합니다. 더 세밀한 스케일에서는 노드 제안이 점들의 그룹과 관련된 기술자(descriptor)를 포함하는 패치로 연속적으로 확장됩니다. 이후, 점 대응 관계는 대응하는 패치 간 겹침 영역에서 밀도에 따라 적응하는 매칭 모듈을 통해 정밀화되며, 이 모듈은 변화하는 점 밀도를 처리할 수 있습니다. 실내 및 실외 표준 벤치마크에서 수행된 광범위한 평가 결과에 따르면, CoFiNet은 기존 방법들에 비해 뛰어난 성능을 보였습니다. 특히 점군 간 겹침이 적은 3DLoMatch 데이터셋에서 CoFiNet은 등록 재현율(Registration Recall) 측면에서 최첨단 기법들보다 최소 5% 이상 우수하며, 파라미터 수는 최대 1/3 수준에 불과합니다.