- 従来の2段階的な手法をEnd-to-Endのニューラルネットワークで定式化した点。 - 新しいオーバーラッププーリング層を用いて、対応点変換パラメータの信頼度を予測する信頼度推定ブロックを提案。 - マルチビュー3D点群登録問題を繰返し加重最小二乗（IRLS）問題とし、対応点変換パラメータと絶対変換パラメータの両方を反復的に推定。

- 他の手法が最もよい結果を示すシナリオに対しても、既存手法よりRotationErrorが20point以上改善、Translation Error [m]が0.74point改善されている - また効率に関しても、RANSACを用いた特徴抽出と変換パラメータのペアワイズ変換の同期と比べて、計算が13倍以上速くなっている（60個のフラグメントを持つシーンの場合）

RGB-Dの複数点群からのシーン再構成について、従来の2段階的な手法をEnd-to-Endのニューラルネットワークで学習する手法を確立。精度の面からも、計算効率の面からも大幅に改善された点。