Register Anything Model per la registrazione generalizzabile e robusta di nuvole di punti

Abstract degli autori

Presentiamo Register Anything Model (RAM), un modello unificato per la registrazione generalizzabile di nuvole di punti 3D, capace di stimare in modo robusto trasformazioni a 6-DoF in domini diversi per sensori e ambienti. I metodi di registrazione esistenti sono generalmente adattati a un singolo dominio, con architetture e iperparametri calibrati con cura, e le loro prestazioni peggiorano nettamente quando vengono applicati a domini nuovi. Colmiamo questa lacuna addestrando un unico modello su dati eterogenei relativi ad ambienti interni, ambienti esterni e oggetti. Una sfida centrale è la marcata discrepanza geometrica tra i domini, ossia le differenze nella scala delle scene, nel rumore dei sensori, nella densità dei punti e nelle strutture geometriche, che ostacola l’elaborazione con un unico modello basato sui punti. Per affrontarla, introduciamo una strategia di normalizzazione che tiene conto della geometria: voxelizza e normalizza congiuntamente le nuvole di punti in uno spazio geometrico standardizzato, adattandosi alle loro proprietà geometriche per preservare le strutture locali salienti e, al tempo stesso, uniformare la risoluzione. Su questa base, RAM segue un approccio gerarchico dal grossolano al fine e impiega un transformer geometrico efficiente che modella la coerenza geometrica a livello locale, anziché globalmente su tutti i punti. Questa impostazione attenua il rumore di discretizzazione introdotto dalla voxelizzazione e migliora l’efficienza computazionale. Esperimenti approfonditi su 12 benchmark mostrano prestazioni allo stato dell’arte in termini di rapporto di inlier e recall della registrazione. In particolare, il nostro metodo supera i metodi analoghi addestrati separatamente su ciascun dominio, dimostrando una superiore capacità di generalizzazione.