（仅仅）一勺细化助注册误差下降
计算机视觉与模式识别
2021-08-10 v1
摘要
我们处理数据驱动的3D点云配准问题。给定点对应关系，标准的Kabsch算法提供最优旋转估计。这使得通过微分SVD操作以端到端方式训练配准模型成为可能。然而，给定Kabsch提供的初始旋转估计，我们表明可以通过扩展原始优化问题来改进模型训练期间的点对应学习。具体而言，我们将旋转矩阵的约束条件线性化并求解所得的线性方程组。然后我们通过更新初始估计迭代地产生新解。我们的实验表明，通过将我们的可微分层插入现有的基于学习的配准方法中，我们改善了对应匹配质量。这使得基于对应的数据驱动配准方法的旋转误差降低了至多7%。
引用
@article{arxiv.2108.03257,
title = {(Just) A Spoonful of Refinements Helps the Registration Error Go Down},
author = {Sérgio Agostinho and Aljoša Ošep and Alessio Del Bue and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2108.03257},
year = {2021}
}
备注
ICCV 2021 (Oral)