ECCV 2020，如何构建鲁棒且泛化性强的全局点云匹配算法？

“15分钟看顶会”是旷视研究院全新推出的论文快速解读专栏，聚焦旷视在全球各大顶会、期刊等平台所发表的工作，覆盖深度学习、计算机视觉、视觉导航与控制、计算摄影学、大规模机器学习系统、机器人学等方向。

与传统论文视频解读动辄30min时长不同，本专栏尽可能将时间控制在15分钟左右，以方便读者在日常通勤、等待、出行等时间受限的场景下高效利用碎片化时间进行学习、交流。

欢迎大家和我们一起“深度学习”，也欢迎对这种论文解读方式提出您的宝贵建议。

本期是“15分钟看顶会”专栏 ECCV 2020 论文解读系列的第三篇，旷视研究院提出一种基于学习的全局点云匹配算法IDAM。该算法的输入是一组点云对，在提取几何特征与距离特征后送入迭代相似性矩阵卷积模块（similarity matrix convolution），可以获取点云对之间的3d刚体变换矩阵完成匹配。

• 论文题目：
  Iterative Distance-Aware Similarity Matrix Convolution with Mutual-Supervised Point Elimination for Efficient Point Cloud Registration

• 论文链接：