지역 최적해의 어려움
반복 최근접점 정합은 초기 조건에 따라 잘못된 지역 최적해에 수렴할 수 있다. DCP는 대응을 계산하는 표현 자체를 학습해 이러한 어려움을 다루려는 방법이다.
점군 임베딩
첫 번째 구성 요소는 입력 점군을 비교 가능한 특징으로 옮기는 임베딩 네트워크다. 공간 좌표를 그대로 대조하는 데서 벗어나 정합에 유용한 표현을 학습한다.
주의와 포인터
주의 기반 모듈에 포인터 생성 층을 결합해 조합적인 대응 문제를 근사한다. 특징 간의 관계를 이용해 어느 점을 다른 점군의 어느 위치와 연결할지 계산한다.
변환까지 이어지는 학습
미분 가능한 특잇값 분해 층이 최종 강체 변환을 추출한다. 논문은 ModelNet40에서 전체 모델을 학습하고, 보지 못한 물체로 특징을 전이할 수 있는지도 평가했다.
관련 문서
PointNetLK / REGTR / RPM-Net 점군 정합 / 기하 정합 / 특잇값 분해 / 어텐션