3D Geometric Shape Assembly via Efficient Point Cloud Matching

本文旨在解决在各种实际应用中将几何形状组装成更大目标结构的关键任务。我们通过在粗略和精细级别上建立局部对应来解决这个问题。为此，我们引入了Proxy Match Transform（PMT），一种近似高阶特征变换层，可在内存和计算成本低的情况下实现零件配对表面之间的可靠匹配。在此基础上，我们提出了一种新的框架，称为Proxy Match Transformer（PMTR），用于几何组装任务。我们在Breaking Bad的大规模3D几何形状组装基准数据集上评估了所提出的PMTR，并展示了其与现有最先进方法相比的卓越性能和效率。项目页面：https://nahyuklee.github.io/pmtr。

解决问题：本文旨在通过建立粗细层面上的局部对应关系来解决将几何形状组装成更大目标结构的问题。

关键思路：本文引入了Proxy Match Transform（PMT）来实现部件配对表面之间的可靠匹配，并在低成本的情况下进行高阶特征变换。基于PMT，提出了一种新的框架，称为Proxy Match Transformer（PMTR），用于几何组装任务。

亮点：本文在Breaking Bad的大规模3D几何形状组装基准数据集上评估了提出的PMTR，并展示了其优越的性能和效率。项目页面：https://nahyuklee.github.io/pmtr。

相关研究：最近的相关研究包括PointNetLK，PointSetRegistration和DeepGMR等。