Key points are not available for this paper at this time.
부분적으로 겹치는 포인트 구름의 강체 정합은 오랜 문제로 일반적으로 두 단계로 해결됩니다: (a) 포인트 구름 간의 대응 관계를 찾기; (b) 이러한 대응 관계를 필터링하여 변환을 추정하기 위해 가장 신뢰할 수 있는 것만 유지하기. 최근 몇 가지 딥 네트워크가 이러한 단계를 공동으로 해결하기 위해 제안되었습니다. 우리는 이러한 작업을 기반으로 하여 PCAM을 제안합니다: 포인트별 교차 주의 행렬의 곱을 주요 요소로 하는 신경망으로, 포인트 대응을 찾기 위해 저수준 기하학 정보와 고수준 맥락 정보를 혼합할 수 있습니다. 이러한 교차 주의 행렬은 각 레이어에서 포인트 구름 간의 맥락 정보 교환을 허용하여 네트워크가 겹치는 영역 내에서 더 나은 매칭 특성을 구성할 수 있도록 합니다. 실험 결과, PCAM은 우리와 같이 단계를 (a)와 (b)를 딥 넷을 통해 공동으로 해결하는 방법 중에서 최첨단 결과를 달성합니다.
Cao et al. (Fri,) 이 문제를 연구했습니다.