多体同步：3D扫描下的端到端运动分割与配准框架

MultiBodySync是一个创新的端到端可训练框架，专为多输入3D点云设计，旨在解决基于3D扫描的多体分割和刚性配准问题。这个工作着重于处理多扫描场景中多身体对象的复杂性，包括确保不同空间布局的点云之间的一致性和分割一致性，以及在新对象类别上的鲁棒运动分割。挑战主要包括： 1. 多体对应性与一致性：由于多个输入点云可能捕捉到同一物体的不同空间位置，如何确保这些点云之间的正确匹配（对应性）和分割结果的一致性是一个关键问题。这涉及到点云间的空间布局匹配，以及在没有明确类别信息的情况下，如何识别并关联不同的物体部分。 2. 跨类别泛化：以往的研究主要针对特定类别或场景，如铰接物体分割、室内场景重定位或车辆运动检测。MultiBodySync的目标是打破这一限制，实现对不同类别物体的通用运动分割，增强模型的泛化能力。 3. 多输入处理：与传统的单扫描分析算法不同，MultiBodySync需要同时处理多个输入点云，这要求算法能够联合分析，找出基于运动的部件或对象分割，并建立点对齐，以实现多体配准。在时间密集度较低的场景中，如非连续的3D扫描，如何利用这些数据进行有效分析是一个挑战。 4. 无彩色信息依赖：算法设计不依赖于色彩信息，而是通过深度声明性网络进行迭代处理，以模拟恢复出一致的对应关系和运动分割，体现了其对低级几何信息的高效利用。 MultiBodySync的核心技术包括光谱同步、深度声明性网络以及对应和运动分割模块的解耦设计，这使得模型能够在各种数据集上，如不同刚性物体在3D空间中的运动，无论是单视图还是全点云，都能展现出良好的性能。此外，作者还提供了GitHub上的代码实现，供研究者们进一步探索和使用。MultiBodySync为解决多体运动分析问题提供了一种新颖且实用的方法。