Deep Graph-based Spatial Consistency for Robust Non-rigid Point Cloud Registration

要約

非剛体点群登録のための外れ値対応剪定の問題を研究します。
厳密な登録では、空間的一貫性は、外れ値とインライアを区別するために一般的に使用される基準です。
2 つの点群のそれぞれの距離の不一致によって、2 つの対応関係の互換性を測定します。
ただし、空間的な一貫性は、非剛体の場合にはもはや保持されず、非剛体の登録に対する外れ値の拒否は十分に研究されていません。
この作業では、グラフベースの空間整合性ネットワーク (GraphSCNet) を提案して、非固定登録の外れ値をフィルター処理します。
私たちの方法は、通常、非剛体の変形は局所的に剛体であるか、局所的な形状保存であるという事実に基づいています。
最初に、点群の変形グラフに対して局所的な空間的一貫性尺度を設計します。これは、グラフ ノードの近くの対応関係のみの空間的互換性を評価します。
次に、局所的な空間的一貫性から非剛体対応の堅牢な表現を学習するために、注意ベースの非剛体対応埋め込みモジュールが考案されます。
そのシンプルさにもかかわらず、GraphSCNet は推定対応の品質を効果的に改善し、3 つの困難なベンチマークで最先端のパフォーマンスを達成します。
私たちのコードとモデルは、https://github.com/qinzheng93/GraphSCNet で入手できます。

要約(オリジナル)

We study the problem of outlier correspondence pruning for non-rigid point cloud registration. In rigid registration, spatial consistency has been a commonly used criterion to discriminate outliers from inliers. It measures the compatibility of two correspondences by the discrepancy between the respective distances in two point clouds. However, spatial consistency no longer holds in non-rigid cases and outlier rejection for non-rigid registration has not been well studied. In this work, we propose Graph-based Spatial Consistency Network (GraphSCNet) to filter outliers for non-rigid registration. Our method is based on the fact that non-rigid deformations are usually locally rigid, or local shape preserving. We first design a local spatial consistency measure over the deformation graph of the point cloud, which evaluates the spatial compatibility only between the correspondences in the vicinity of a graph node. An attention-based non-rigid correspondence embedding module is then devised to learn a robust representation of non-rigid correspondences from local spatial consistency. Despite its simplicity, GraphSCNet effectively improves the quality of the putative correspondences and attains state-of-the-art performance on three challenging benchmarks. Our code and models are available at https://github.com/qinzheng93/GraphSCNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google