任意の点を位置合わせ：フローマッチングによる3D点群レジストレーションのスケーリング

- 複数の未姿勢点群を共通座標系に整列する 3D point cloud registration の新手法。 - registration を conditional generation として定式化し、学習した連続的な point-wise velocity field で noisy points を registered scene へ輸送する。 - 各 view の pose は生成された点群から復元する。 - 3D reconstruction や初期推定なしの robot localization の基盤ステップを対象とする。

- 先行手法は correspondence matching でペアワイズ変換を推定し、その後 pose graph を最適化して多視点 registration を行う。 - 本手法は correspondence matching や pose graph 最適化を介さず、registered point cloud を直接生成する。 - これにより効率性と point-level の global consistency を同時に得る点が異なる。 - 既存の pairwise registration ベンチマークで state-of-the-art を達成。

- registration を conditional generation とみなし、学習した連続的な point-wise velocity field を構築。 - その velocity field が noisy points を registered scene へ輸送する。 - 生成された点群から各 view の pose を復元する。 - 訓練データの scaling と test-time rigidity enforcement を組み合わせる。 - 詳細な network 構成や loss は要旨からは不明。

- 既存の pairwise registration ベンチマークで評価し、state-of-the-art を報告。 - 新たに提案した cross-domain multi-view registration benchmark でも評価。 - このベンチマークで優れた zero-shot 性能を示し、view 数・scene 規模・sensor modality をまたぐ汎化と低 overlap への頑健性を検証。 - 定量的な指標や比較手法の詳細は要旨からは不明。

- 直接生成により correspondence matching と pose graph 最適化を不要にし、効率と global consistency を両立させる点を主張。 - test-time rigidity enforcement が生成点群の整合性に寄与する可能性を示唆。 - 限界・失敗ケース・計算コストの詳細な議論は要旨からは不明。 - 提案ベンチマークの設計妥当性や他手法との公平な比較条件は要旨からは不明。

- 要旨で直接参照されている先行研究は明示されていない。 - 関連手法として correspondence matching ベースの pairwise registration と pose graph optimization による multi-view registration の代表的文献。 - 生成モデル系では flow matching および conditional generation による registration の関連研究。 - 本手法の code 公開先 PRBonn/RAP と、提案 cross-domain multi-view registration benchmark の原典。