稀疏点云配准：基于零样本学习的细化方法
计算机视觉与模式识别
2025-07-29 v1 人工智能
摘要
最近的研究表明，利用大规模预训练扩散模型潜在地可以建立图像中的语义对应关系。鼓舞于扩散技术的进展，我们提出了一种新颖的零样本方法，用于细化点云配准算法。我们的方法利用从深度图像中获得的对应关系来增强点特征表示，无需专门的训练数据集。具体而言，我们首先从多个视角将点云投影到深度图中，从预训练扩散网络中提取深度扩散特征。这些特征随后被整合到现有方法获取的几何特征中，以建立更准确的点云对应关系。通过利用这些细化后的对应关系，我们的方法实现了显著提升的配准精度。大量实验表明，我们的方法不仅提升了现有点云配准技术的性能，也在不同数据集之间展现出稳健的泛化能力。代码已公开于 https://github.com/zhengcy-lambo/RARE.git。
引用
@article{arxiv.2507.19950,
title = {RARE: Refine Any Registration of Pairwise Point Clouds via Zero-Shot Learning},
author = {Chengyu Zheng and Jin Huang and Honghua Chen and Mingqiang Wei},
journal= {arXiv preprint arXiv:2507.19950},
year = {2025}
}