BUFFER: पॉइंट क्लाउड रजिस्ट्रेशन में सटीकता, दक्षता, और सामान्यीकरण का संतुलन

एक आदर्श पॉइंट क्लाउड रजिस्ट्रेशन फ्रेमवर्क में उत्कृष्ट सटीकता, स्वीकार्य दक्षता, और मजबूत सामान्यीकरण होना चाहिए: हालाँकि, यह बेहद चुनौतीपूर्ण है क्योंकि मौजूदा रजिस्ट्रेशन तकनीकें या तो पर्याप्त सटीक नहीं हैं, दक्षता से दूर हैं, या सामान्यीकरण में कमी हैं। यह खुला सवाल बना हुआ है कि इन तीन प्रमुख तत्वों के बीच संतोषजनक संतुलन कैसे प्राप्त किया जाए। इस पेपर में, हम BUFFER का प्रस्ताव करते हैं, जो सटीकता, दक्षता, और सामान्यीकरण के संतुलन के लिए एक पॉइंट क्लाउड रजिस्ट्रेशन विधि है। हमारे दृष्टिकोण की कुंजी यह है कि हम पॉइंट-वार और पैच-वार तकनीकों का लाभ उठाते हैं, जबकि अंतर्निहित नुकसान को एक साथ पार करते हैं। मौजूदा विधियों के एक साधारण संयोजन से अलग, हमारे नेटवर्क के प्रत्येक घटक को विशिष्ट समस्याओं से निपटने के लिए सावधानीपूर्वक डिज़ाइन किया गया है। विशेष रूप से, पहले एक पॉइंट-वार लर्नर पेश किया जाता है जो कीपॉइंट्स की भविष्यवाणी करके और पॉइंट ओरिएंटेशंस का अनुमान लगाकर फीचर्स की प्रतिनिधित्व क्षमता को बढ़ाता है, इसके बाद एक पैच-वार एम्बेडर तैनात किया जाता है जो हल्के स्थानीय फीचर लर्नर का लाभ उठाकर प्रभावी और सामान्य पैच फीचर्स निकालता है। इसके अतिरिक्त, एक इनलियर्स जनरेटर प्रस्तुत किया जाता है जो सरल न्यूरल लेयर्स और सामान्य फीचर्स को जोड़ता है ताकि इनलियर कोरस्पोंडेंसेस की खोज की जा सके। वास्तविक दुनिया के परिदृश्यों पर व्यापक प्रयोगशालाओं से प्रमाणित होता है कि विधि सटीकता, दक्षता, और सामान्यीकरण में बेहतरीन परिणाम प्राप्त करती है। विशेष रूप से, हमारी विधि न केवल अनदेखे क्षेत्रों में उच्चतम सफलता दर प्राप्त करती है, बल्कि यह सामान्यीकरण में विशेषज्ञता रखने वाले मजबूत बासलाइनों की तुलना में लगभग 30 गुना तेज भी है। कोड https://github.com/aosheng1996/BUFFER पर उपलब्ध है।