Key points are not available for this paper at this time.
이전 포인트 등록 작업에서는 입력 포인트 집합이 종종 가우시안 혼합 모델을 사용하여 표현되며, 등록은 포인트 집합의 전역 관계를 활용하려는 확률적 접근 방식으로 다루어집니다. 그러나 비강체 형태에서는 이웃 포인트 간의 지역 구조도 강하고 안정적이어서 포인트 대응을 복구하는 데 도움이 됩니다. 본 논문에서는 포인트 등록을 밀도 혼합의 추정으로 공식화합니다. 여기서 형태 맥락과 같은 지역 특성이 혼합 모델의 구성원 확률을 할당하는 데 사용됩니다. 이를 통해 매칭하는 동안 전역 및 지역 구조를 모두 보존할 수 있습니다. 두 포인트 집합 간의 변환은 재생 커널 힐버트 공간에서 지정되며, 빠른 구현을 달성하기 위해 희소 근사가 채택됩니다. 합성 데이터와 실제 데이터 모두에 대한 방대한 실험은 변형, 잡음, 이상치, 회전 및 가림 등 다양한 왜곡 유형 하에서 우리 접근 방식의 강건성을 보여줍니다. 특히 데이터가 심하게 저하될 때 최신 방법들보다 월등한 성능을 발휘합니다.
Ma et al. (목요일,)은 이 질문을 연구했습니다.