어디를 비교할 것인가
정합에서는 다른 관측에서도 다시 찾을 수 있는 지점을 선택하는 일이 중요하다. D3Feat는 특징을 만드는 일에 더해 어떤 점을 대응의 기준으로 삼을지도 학습한다.
점별 공동 예측
입력 점군의 각 점에 검출 점수와 기술 특징을 조밀하게 출력한다. 점수는 지점 선택에, 특징 벡터는 두 관측에서 서로 닮은 지점을 찾는 데 쓰인다.
밀도 차이와 학습 신호
점군의 표본 밀도가 일정하지 않은 조건을 고려한 키포인트 선택 전략을 제안한다. 검출기 학습에는 훈련 도중 실제로 얻은 특징 매칭 결과가 자기 지도 신호로 작용한다.
희소 대응의 활용
논문은 3DMatch와 KITTI에서 정합을 평가하고 ETH에서 일반화를 살폈다. 신뢰할 만한 검출기로 적은 특징을 선택해도 정렬에 필요한 대응을 확보할 수 있는지를 검증했다.
관련 문서
3DMatch / PREDATOR 점군 정합 / GeoTransformer / 기하 정합 / 자기 지도 학습 / 합성곱 신경망