점군을 특징으로 옮기기
PointNet은 순서가 일정하지 않은 점들의 집합을 특징으로 표현한다. PointNetLK는 이 변환을 학습 가능한 영상화 함수로 해석해, 좌표 집합에 고전적인 정렬 기법을 연결한다.
영상 정렬의 확장
Lucas-Kanade 알고리즘을 PointNet 특징 함수에 맞게 수정한다. 원래의 픽셀 배열을 직접 비교하는 대신 점군에서 계산한 표현을 정렬의 대상으로 삼는 접근이다.
학습 가능한 반복
PointNet과 정렬 알고리즘의 반복 과정을 펼쳐 단일 순환 신경망으로 만든다. 특징 생성과 반복적인 자세 조정을 분리된 도구로만 다루지 않고 함께 학습한다.
형상 범주 사이의 일반화
논문은 여러 정합 조건에서 성능을 비교하고 형상 범주가 달라질 때의 일반화를 살폈다. 학습 특징을 고전적인 최적화 절차와 결합하는 점군 정합의 사례다.
관련 문서
PointNet / REGTR / RPM-Net 점군 정합 / 기하 정합 / 점군 / 순환 신경망