#83
summarized by : Naoya Chiba
Lepard: Learning Partial Point Cloud Matching in Rigid and Deformable Scenes

どんな論文か?

剛体変換/非剛体変換を伴う三次元点群のマッチングを行う.与えられた点群ペアについて各点の対応を推定し位置合わせを行う.はじめにKPFCNで特徴抽出してから提案するTMPレイヤーで点群内・点群間のAttentionを導入したネットワークで処理,出力した特徴量について内積を計算してからduai softmaxで対応推定後閾値で採用する対応を選択,ソフトプロクラステス分解で剛体変換を推定する.
placeholder

新規性

変形の影響を受けずに対応を推定できる特徴量の抽出のため点群内(Self-)と点群間(Cross-)Attentionを用いたネットワークを利用したTMPレイヤーを提案.推定された剛体変換を利用し点群を動かしてから次のTMPレイヤーに入力する.ソフトな対応推定とプロクラステス分解で姿勢推定を行う.DeformingThings4Dをベースに4DMatch,4DLoMatchデータセットも準備し提供.

結果

DeformingThings4Dをもとにしてオーバーラップ率で分けた4DMatch,4DLoMatchの各データセットで評価.スコアの改善だけでなく,特徴量の対応付けにも有効であることを評価.

その他(なぜ通ったか?等)