Rectified Point Flow: Generic Point Cloud Pose Estimation

要約

ペアワイズポイントクラウド登録とマルチパート形状アセンブリを単一の条件付き生成問題として定式化する統合されたパラメーター化である修正点フローを導入します。
ポジションのない点雲を考えると、私たちの方法は、騒々しいポイントをターゲット位置に輸送する連続点での速度フィールドを学習します。
アドホック対称処理で部分的にポーズを回帰する以前の作業とは対照的に、私たちの方法は、対称ラベルなしでアセンブリの対称性を本質的に学習します。
重複ポイントに焦点を当てた自己監視エンコーダーとともに、この方法は、ペアワイズ登録とシェイプアセンブリにまたがる6つのベンチマークで新しい最先端のパフォーマンスを実現します。
特に、統一された定式化により、多様なデータセットで効果的な共同トレーニングが可能になり、共有された幾何学的事前化の学習が促進され、その結果、精度が向上します。
プロジェクトページ：https：//rectifiedpointflow.github.io/。

要約(オリジナル)

We introduce Rectified Point Flow, a unified parameterization that formulates pairwise point cloud registration and multi-part shape assembly as a single conditional generative problem. Given unposed point clouds, our method learns a continuous point-wise velocity field that transports noisy points toward their target positions, from which part poses are recovered. In contrast to prior work that regresses part-wise poses with ad-hoc symmetry handling, our method intrinsically learns assembly symmetries without symmetry labels. Together with a self-supervised encoder focused on overlapping points, our method achieves a new state-of-the-art performance on six benchmarks spanning pairwise registration and shape assembly. Notably, our unified formulation enables effective joint training on diverse datasets, facilitating the learning of shared geometric priors and consequently boosting accuracy. Project page: https://rectified-pointflow.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google