FS-I2P：基于动态分配深度的分层聚焦-扫荡注册网络
计算机视觉与模式识别
2026-05-26 v2
摘要
图像到点云注册常面临视角变化、跨模态差异和重复纹理的挑战，这些挑战导致尺度歧义，从而引起错误的对应关系。最近的无检测方法通过利用多尺度特征和基于转换器的相互作用来缓解此问题，但仍受层间注意力漂移和尺度内不一致性的制约，阻碍精确注册。受人类行为启发，我们提出“聚焦-扫荡”范式，在基于 SSM 的框架中构建分层聚焦-扫荡交互模块以增强多层级跨模态特征关联。此外，我们引入动态层分配策略，以适应性确定迭代深度，更好地利用几何约束并提高匹配鲁棒性。在 RGB-D Scenes V2 和 7-Scenes 两个基准数据集上的大量实验和消融实验表明，我们的方法实现了最先进的性能。
引用
@article{arxiv.2605.07607,
title = {FS-I2P:A Hierarchical Focus-Sweep Registration Network with Dynamically Allocated Depth},
author = {Zhixin Cheng and Yujia Chen and Xujing Tao and Bohao Liao and Xiaotian Yin and Baoqun Yin and Tianzhu Zhang},
journal= {arXiv preprint arXiv:2605.07607},
year = {2026}
}