GPI-Net：基于正交几何一致性的 Gestalt 引导的平行交互网络，用于稳健的点云配准
计算机视觉与模式识别
2025-09-03 v2 人工智能
摘要
准确识别高质量对应点是特征点云配准的关键前置任务。然而，处理局部与全局特征融合由于特征冗余和复杂空间关系极具挑战。鉴于 Gestalt 原理在分析局部与全局关系方面提供了关键优势，本文提出一种新型 Gestalt 引导的平行交互网络，通过正交几何一致性 (GPI-Net)。它利用 Gestalt 原理促进局部信息与全局信息之间的互补交互。具体而言，我们引入正交集成策略，以优化减少冗余信息并生成更紧凑的全局结构，以获得高质量对应点。为捕捉对应点中的几何特征，我们利用 Gestalt 特征注意力 (GFA) 模块，通过自注意力和交叉注意力机制的混合使用。此外，为促进局部细节信息融入全局结构，我们设计一种创新的双路径多粒度平行交互聚合 (DMG) 模块，以促进不同粒度之间的信息交换。在各种具有挑战性的任务上的大量实验表明，我们提出的 GPI-Net 与现有方法相比表现卓越。代码将在 https://github.com/gwk429/GPI-Net 发布。
关键词
引用
@article{arxiv.2507.14452,
title = {GPI-Net: Gestalt-Guided Parallel Interaction Network via Orthogonal Geometric Consistency for Robust Point Cloud Registration},
author = {Weikang Gu and Mingyue Han and Li Xue and Heng Dong and Changcai Yang and Riqing Chen and Lifang Wei},
journal= {arXiv preprint arXiv:2507.14452},
year = {2025}
}
备注
9 pages, 4 figures. Accepted to IJCAI 2025