자료가 바뀌는 문제
한 자료에서 학습한 정합 특징을 다른 환경에서 그대로 사용하면 관측 조건의 차이가 문제가 될 수 있다. 이 연구는 새로운 점군 자료로의 일반화를 중심 과제로 삼았다.
여러 규모의 복셀 특징
MS-SVConv는 다중 규모 희소 복셀 합성곱을 사용하는 신경망이다. 점군에서 정합에 쓸 특징 기술자를 출력하며, 한 장면의 지점을 다른 장면의 지점과 비교하는 기반을 제공한다.
비지도 전이
UDGE는 미지의 자료에 심층 네트워크를 전이하는 알고리즘이다. 대상 자료에 대한 전이를 비지도 방식으로 수행한다는 점에서, 기술자를 계산하는 MS-SVConv와 역할이 구분된다.
두 구성 요소의 결합
논문은 두 구성 요소를 함께 사용해 3DMatch와 ETH, TUM의 실제 관측 자료에서 평가했다. 특징 표현의 구조와 대상 자료에 대한 적응을 함께 고려하는 정합 방법으로 이해할 수 있다.
관련 문서
3DMatch / D3Feat / SpinNet 점군 특징 / 기하 정합 / 전이 학습 / 합성곱 신경망