포인트 인터랙션 모듈을 통한 점군 등록용 인코더-디코더 네트워크에서의 향상된 표현 학습

점군 등록은 서로 다른 시점에서 촬영된 장면의 다중 점군을 매칭하기 위해 특징 유사성을 탐색하고 활용하는 데 중점을 둡니다. 그러나 실제 세계의 많은 시나리오에서 점들이 누락되거나(예: 다중 LiDAR 스캔) 다양한 시점에서 점의 수가 크게 다르기도 하여(예: 3D 재구성) 등록 작업이 더 어려워집니다. 본 논문에서는 매칭 과정을 용이하게 하기 위해 점군의 품질을 향상시켜야 한다고 주장합니다. 점군 완성 기법을 사용하여 최신 인코더-디코더 구조에서 학습된 저차원 점 표현을 향상시키고자 합니다. 등록을 지원하기 위한 쉽게 도입 가능한 두 모듈, 즉 점 이동 모듈과 점 주의 오프셋 모듈을 제안합니다. 점 이동 모듈은 불규칙한 점군의 위치를 세밀하게 조정하여 정렬을 강화하며, 점 주의 오프셋 모듈은 점 매칭의 가능성을 개선합니다. 두 모듈 모두 암묵적 점 표현 간 상호작용을 촉진하여 매칭 정확도를 높입니다. 제안하는 아이디어의 타당성을 입증하기 위해 두 가지 인기 인코더-디코더 네트워크에서 해당 표현을 수정했습니다. 평가에는 3DMatch, 3DLoMatch, ModelNet40 데이터셋을 사용하였으며, 제안 모듈을 도입했을 때 3DMatch에서 5000 샘플 기준 RR 90.6%, IR 72.4%, 3DLoMatch에서 RR 69.3%, IR 43.5%로 새로운 최고 성능을 달성했습니다. 본 결과는 학습된 점 표현을 통한 점군 품질 개선이 점군 등록에 유익함을 시사합니다.