PSReg：用于点云配准的先验引导稀疏混合专家模型
计算机视觉与模式识别
2025-01-22 v2 人工智能
摘要
判别性特征对于点云配准至关重要。近期的方法通过区分非重叠区域和重叠区域的点来提升特征的判别能力。然而，它们在区分重叠区域中的模糊结构时仍面临挑战。因此，它们提取的模糊特征导致重叠区域产生了大量误匹配。为了解决这个问题，我们提出了一种基于先验引导SMoE的配准方法，通过将潜在对应关系分配给同一专家来提升特征的独特性。具体而言，我们提出了一种先验引导SMoE模块，通过融合先验重叠和潜在对应关系嵌入进行路由，将token分配给最合适的专家进行处理。此外，我们通过Transformer层与先验引导SMoE模块的特定组合提出了一种配准框架。所提出的方法不仅关注定位点云重叠区域的重要性，而且致力于在重叠区域中寻找更准确的对应关系。大量实验证明了我们方法的有效性，在3DMatch/3DLoMatch基准上实现了SOTA的配准召回率（95.7%/79.3%）。此外，我们还在ModelNet40上测试了其性能，并展示了优异的表现。
关键词
引用
@article{arxiv.2501.07762,
title = {PSReg: Prior-guided Sparse Mixture of Experts for Point Cloud Registration},
author = {Xiaoshui Huang and Zhou Huang and Yifan Zuo and Yongshun Gong and Chengdong Zhang and Deyang Liu and Yuming Fang},
journal= {arXiv preprint arXiv:2501.07762},
year = {2025}
}
备注
Accepted by AAAI 2025 Oral