BridgeMatch: マッチング行列空間における条件付きトランスポートブリッジによる3次元変形レジストレーション

- 3D変形可能な点群レジストレーションのための新しい二段階生成ソルバー BridgeMatch を提案。 - 非剛体点群対応の信頼性向上を目的とし、粗から細へのアプローチの課題を解決。 - 完全なソフトマッチング行列を粗解像度と高解像度の両方で維持する。 - Stage I では denoising diffusion を用いて粗解像度空間でグローバルマッチング行列を推定。 - Stage II では条件付きトランスポートブリッジにより高解像度で洗練。 - 4DMatch と 4DLoMatch で評価し、低オーバーラップケースで特に大きな改善。 - CAPE と DeepDeform でのクロスデータセット汎化も向上。

- 従来の粗から細への手法は top-K 粗領域選択により計算コストを削減するが、弱いが正しい仮説を除去し、細マッチングを不完全な探索空間に制限する問題があった。 - BridgeMatch は完全なソフトマッチング行列を粗・高解像度の両方で維持することで、この問題を回避。 - 比較手法よりも正確な対応を生成し、下流のレジストレーションを改善。 - 特に低オーバーラップケースでのゲインが大きい。 - ターゲットドメイン適応なしでクロスデータセット汎化を改善。

- 二段階生成ソルバー：Stage I で denoising diffusion により粗解像度空間でグローバルマッチング行列を推定。 - この行列を階層性を保ちながら高解像度にリフト。リフトされた行列は rank-bounded かつ block-constant。 - Stage II では条件付きトランスポートブリッジで洗練。 - ブリッジは二種類のダイナミクスで実装：決定論的 endpoint-parameterized conditional Flow Matching (CFM) ODE と、Schrödinger bridges に触発された確率的 Brownian-bridge SDE。 - 両変種はリフトされたソース、時間条件付きトランスフォーマー、マッチング行列エンドポイント予測器を共有。

- 4DMatch と 4DLoMatch での実験により、両変種が比較手法よりも正確な対応を生成し、下流のレジストレーションを改善することを示した。 - 特に低オーバーラップケースで大きなゲイン。 - CAPE と DeepDeform でのクロスデータセット汎化を、ターゲットドメイン適応なしで改善することを確認。 - 同じ変形ソルバーを使用。

- 要旨からは不明。

- 要旨で参照/比較されている研究：coarse-to-fine methods, denoising diffusion, conditional Flow Matching (CFM), Schrödinger bridges, Brownian-bridge SDE。 - 関連手法：4DMatch, 4DLoMatch, CAPE, DeepDeform のデータセットを用いた研究。 - 同分野の定番：non-rigid point cloud registration, deformable anatomical registration, embodied perception and manipulation, dynamic 3D reconstruction。