📖 AI 总结

该论文提出“Register Anything Model”（RAM），一个面向可泛化三维点云配准的统一模型，能够在跨传感器、跨环境的多样场景中稳健估计6自由度变换。针对现有方法通常只适配单一领域、跨域应用时性能显著下降的问题，作者用室内、室外和物体等多领域数据训练单一模型。其核心挑战是不同领域在场景尺度、传感器噪声、点密度和结构模式上的严重几何差异。为此，作者引入几何感知归一化策略，根据点云几何特性自适应体素化并归一化到标准几何空间，在统一分辨率的同时保留显著局部结构。RAM采用由粗到细的分层范式，并使用高效几何Transformer建模局部几何一致性而非全局所有点，从而缓解体素化带来的离散噪声并提升计算效率。在12个基准上的实验表明，该方法在内点率和配准召回率上达到最先进水平，且优于在各单一领域分别训练的对应方法，展现出更强的泛化能力。

🔑 关键词速览