Non-rigid Point Cloud Registration with Neural Deformation Pyramid

要約

非剛体点群の登録は、多くのコンピュータビジョンやコンピュータグラフィックスアプリケーションにおいて重要な要素である。このタスクは、未知の非剛体運動の複雑性が高いため、困難な問題である。本論文では、階層的な運動分解によってこの問題を解決する。私たちの手法は、ニューラル・デフォーム・ピラミッド（NDP）と呼ばれ、ピラミッド構造を用いて非剛体運動を表現する。各ピラミッドレベルは、多層知覚（MLP）で示され、正弦波的に符号化された3次元点を入力とし、その前のレベルからの運動増分を出力する。正弦波関数は、低い入力周波数から始まり、ピラミッドレベルが下がると徐々に増加する。これにより、多段階の剛体から非剛体への運動分解が可能となり、また、既存のMLPベースのアプローチと比較して、解法が50倍高速化された。本手法は、4DMatch/4DLoMatchベンチマークにおいて、無学習設定と教師あり設定の両方で、高度な部分から部分への非剛体点群登録結果を達成している。

要約(オリジナル)

Non-rigid point cloud registration is a key component in many computer vision and computer graphics applications. The high complexity of the unknown non-rigid motion make this task a challenging problem. In this paper, we break down this problem via hierarchical motion decomposition. Our method called Neural Deformation Pyramid (NDP) represents non-rigid motion using a pyramid architecture. Each pyramid level, denoted by a Multi-Layer Perception (MLP), takes as input a sinusoidally encoded 3D point and outputs its motion increments from the previous level. The sinusoidal function starts with a low input frequency and gradually increases when the pyramid level goes down. This allows a multi-level rigid to nonrigid motion decomposition and also speeds up the solving by 50 times compared to the existing MLP-based approach. Our method achieves advanced partialto-partial non-rigid point cloud registration results on the 4DMatch/4DLoMatch benchmark under both no-learned and supervised settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL