面向点云配准的全几何交叉注意力
计算机视觉与模式识别
2025-06-10 v2
摘要
点云配准方法在点云之间重叠度较低时往往因噪声点对应而失效。本工作提出了一种专为基于 Transformer 的架构量身定制的新型交叉注意力机制，通过融合点云之间超点层面的坐标和特征信息来解决这一问题。该公式此前未被探索，主要是因为它必须保证旋转和平移不变性，因为点云位于不同且独立的参考系中。我们将 Gromov-Wasserstein 距离整合到交叉注意力公式中，以联合计算不同点云之间点的距离并考虑其几何结构。通过这种方式，来自两个不同点云的点可以在任意刚体变换下相互关注。在点层面，我们还设计了一种自注意力机制，将局部几何结构信息聚合到点特征中以进行精细匹配。我们的公式增加了内点对应的数量，从而相较于最先进方法产生了更精确的配准结果。我们在 3DMatch、3DLoMatch、KITTI 和 3DCSR 数据集上进行了广泛评估。
引用
@article{arxiv.2502.08285,
title = {Fully-Geometric Cross-Attention for Point Cloud Registration},
author = {Weijie Wang and Guofeng Mei and Jian Zhang and Nicu Sebe and Bruno Lepri and Fabio Poiesi},
journal= {arXiv preprint arXiv:2502.08285},
year = {2025}
}
备注
Accepted by 3DV 2025