Rectified Point Flow: Generische Puntwolk Positie Schatting
Rectified Point Flow: Generic Point Cloud Pose Estimation
June 5, 2025
Auteurs: Tao Sun, Liyuan Zhu, Shengyu Huang, Shuran Song, Iro Armeni
cs.AI
Samenvatting
We introduceren Rectified Point Flow, een uniforme parameterisering die
paarsgewijze puntwolkregistratie en multi-part vormassemblage formuleert als een
enkel conditioneel generatief probleem. Gegeven ongepositioneerde puntwolken,
leert onze methode een continu puntgewijs snelheidsveld dat ruisachtige punten
naar hun doelposities transporteert, waaruit de poses van de onderdelen worden
herleid. In tegenstelling tot eerder werk dat partiële poses regresseert met
ad-hoc symmetriehantering, leert onze methode intrinsiek assemblagiesymmetrieën
zonder symmetrielabels. Samen met een zelfgesuperviseerde encoder gericht op
overlappende punten, bereikt onze methode een nieuwe state-of-the-art
prestatie op zes benchmarks die paarsgewijze registratie en vormassemblage
beslaan. Opmerkelijk is dat onze uniforme formulering effectieve gezamenlijke
training op diverse datasets mogelijk maakt, wat het leren van gedeelde
geometrische prioriteiten vergemakkelijkt en daardoor de nauwkeurigheid
verhoogt. Projectpagina: 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/.