IGASA: 統合幾何認識とスキップアテンションモジュールによる点群登録の強化

要旨: 点群登録（PCR）は3Dビジョンにおける基礎的な課題であり、自動運転、ロボティクス、環境モデリングなどのアプリケーションに不可欠な支援を提供します。重いノイズ、顕著な遮蔽、大規模な変換といった現実世界の課題に直面すると、既存の手法はしばしば失敗します。これらの制約は、登録精度の低下や複雑な環境における頑健性の不十分さを招くことがよくあります。本論文では、堅牢なマルチスケール特徴抽出と統合を目的とした階層型ピラミッドアーキテクチャ（HPA）に基づく新規の点群登録フレームワーク IGASA を提案します。フレームワークは、階層横断レイヤー間アテンション（HCLA）モジュールと反復的幾何認識リファインメント（IGAR）モジュールという二つの重要な構成要素を統合します。HCLA モジュールは、スキップアテンション機構を利用してマルチ解像度の特徴を整列させ、局所的な幾何学的一貫性を高めます。同時に、IGARモジュールは粗いマッチング段階で確立された信頼できる対応を活用することにより、細かなマッチングフェーズを担うよう設計されています。このアーキテクチャ内のこの相乗的な統合により、IGASA は多様な点群構造や複雑な変換へ効果的に適応することができます。IGASA の性能を、3D(Lo)Match、KITTI、nuScenes を含む4つの広く認識されたベンチマークデータセットで評価します。我々の広範な実験は、IGASA が最先端の手法を著しく上回り、登録精度の顕著な改善を達成することを一貫して示しています。本研究は、点群登録技術の発展に対する堅牢な基盤を提供するとともに、実用的な3Dビジョン応用に有益な洞察を提供します。IGASA のコードは \href{https://github.com/DongXu-Zhang/IGASA}{https://github.com/DongXu-Zhang/IGASA} に公開されています。