Diff-Reg v2: 基于扩散模型的匹配矩阵估计用于图像匹配与 3D 配准

建立可靠的对应关系对所有配准任务至关重要，包括 2D 图像配准、3D 点云配准以及 2D-3D 图像到点云配准。然而，这些任务常因尺度不一致、对称性和大变形等挑战而变得复杂，从而导致模糊匹配。基于特征和基于对应关系的先前方法通常依赖几何或语义特征来生成或优化初始潜在对应关系。一些方法通常利用特定的几何先验（如拓扑保持）来为给定的增强目标设计多样且创新的策略，而这些策略无法穷尽列举。此外，许多先前方法依赖单步预测头，在复杂匹配场景中可能陷入局部最优。为应对这些挑战，我们引入了一种创新范式，利用矩阵空间中的扩散模型进行鲁棒的匹配矩阵估计。我们的模型将对应关系估计视为匹配矩阵空间中的去噪扩散过程，逐步将中间匹配矩阵精炼至最优。具体而言，我们在双随机矩阵空间中应用扩散模型进行 3D-3D 和 2D-3D 配准任务。在 2D 图像配准任务中，我们在应用双 softmax 投影正则化的矩阵子空间中部署扩散模型。对于所有三种配准任务，我们在保持统一的"匹配到变形"编码模式的同时，提供了针对各任务特定特征的自适应匹配矩阵嵌入实现。此外，我们对去噪模块采用了轻量化设计。在推理阶段，一旦点或图像特征被提取并固定，该模块通过反向采样执行多步去噪预测。