修正点フロー：汎用点群姿勢推定

要旨

Rectified Point Flowを紹介します。これは、ペアワイズ点群登録と多パーツ形状アセンブリを単一の条件付き生成問題として定式化する統一パラメータ化手法です。未整列の点群が与えられた場合、本手法はノイズの多い点を目標位置に向けて移動させる連続的な点単位の速度場を学習し、そこからパーツの姿勢を復元します。従来の研究がアドホックな対称性処理を用いてパーツ単位の姿勢を回帰していたのに対し、本手法は対称性ラベルなしにアセンブリの対称性を本質的に学習します。重なり合う点に焦点を当てた自己教師ありエンコーダと組み合わせることで、ペアワイズ登録と形状アセンブリにまたがる6つのベンチマークで新たな最先端の性能を達成しました。特に、この統一的な定式化により、多様なデータセットでの効果的な共同学習が可能となり、共有幾何学的事前知識の学習を促進し、結果として精度を向上させます。プロジェクトページ: https://rectified-pointflow.github.io/

English

We introduce Rectified Point Flow, a unified parameterization that formulates pairwise point cloud registration and multi-part shape assembly as a single conditional generative problem. Given unposed point clouds, our method learns a continuous point-wise velocity field that transports noisy points toward their target positions, from which part poses are recovered. In contrast to prior work that regresses part-wise poses with ad-hoc symmetry handling, our method intrinsically learns assembly symmetries without symmetry labels. Together with a self-supervised encoder focused on overlapping points, our method achieves a new state-of-the-art performance on six benchmarks spanning pairwise registration and shape assembly. Notably, our unified formulation enables effective joint training on diverse datasets, facilitating the learning of shared geometric priors and consequently boosting accuracy. Project page: https://rectified-pointflow.github.io/.

修正点フロー：汎用点群姿勢推定

Rectified Point Flow: Generic Point Cloud Pose Estimation

要旨

Support