- …
- …
#458
summarized by : Naoya Chiba
どんな論文か？
車載LiDAR点群を対象とした位置合わせ手法StickyPillarsの提案．スパースな特徴点で表現したグラフ間での位置合わせをグラフニューラルネットワークとTransformerのアイデアに基づくマルチヘッド・セルフ/クロスアテンションを用いたネットワークで実現し，高精度・ロバストで高速な位置合わせを達成している．
新規性
スパースな特徴点マッチングにグラフニューラルネットワークとAttentionを導入し高精度な位置合わせを達成した．幾何的な特徴から特徴点を検出後，局所点群から特徴量を計算，位置エンコードを合わせてグラフを入力しSelf-Attention, Cross-Attentionを導入したGNNで特徴量を処理，Sinkhornアルゴリズムでマッチングを推定して位置合わせを行う．
結果
KITTIで評価し，既存の手法と遜色のない精度で高速な推論を達成．フレームドロップが存在するような問題設定でもロバストな位置合わせを実現した．
その他（なぜ通ったか？等）
- …
- …