基于神经形变金字塔的非刚性点云配准
计算机视觉与模式识别
2022-10-06 v3
摘要
非刚性点云配准是许多计算机视觉与计算机图形学应用中的关键组件。未知非刚性运动的高复杂性使该任务成为一项挑战性问题。在本文中，我们通过分层运动分解拆解该问题。我们称为神经形变金字塔（NDP）的方法使用金字塔架构表示非刚性运动。每一金字塔层级由一个多层感知机（MLP）表示，以正弦编码的 3D 点作为输入，并输出其相对上一层级的运动增量。正弦函数以低输入频率起始，并随金字塔层级下降逐渐增高。这实现了从刚性到非刚性的多级运动分解，并且相比现有基于 MLP 的方法将求解速度提升了 50 倍。我们的方法在 4DMatch/4DLoMatch 基准上于无学习与有监督设定下均取得了先进的 partial-to-partial 非刚性点云配准结果。
引用
@article{arxiv.2205.12796,
title = {Non-rigid Point Cloud Registration with Neural Deformation Pyramid},
author = {Yang Li and Tatsuya Harada},
journal= {arXiv preprint arXiv:2205.12796},
year = {2022}
}
备注
NeurIPS'2022 camera ready. Code: https://github.com/rabbityl/DeformationPyramid