Unsupervised Point Cloud Registration via Training-Time Semantic Guidance

📄 arXiv: 2609.15228v1 📥 PDF

作者: Kezheng Xiong, Shiyun Xu, Sheng Ao, Siqi Shen, Cheng Wang, Chenglu Wen

分类: cs.CV

发布日期: 2026-09-14

备注: Accepted to ECCV 2026

💡 一句话要点

提出CAESAR以解决无监督点云配准中的几何模糊问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 无监督学习 点云配准 几何模糊 语义指导 深度学习

📋 核心要点

  1. 现有的无监督点云配准方法在处理户外场景时，由于几何模糊性，导致伪标签质量低下，影响模型收敛。
  2. 本文提出CAESAR框架，通过训练期间的语义指导，利用教师-学生模型结构来增强配准精度。
  3. 在KITTI和nuScenes数据集上的实验结果显示，CAESAR在配准精度上达到了最先进的水平，尤其在nuScenes基准上有显著提升。

📝 摘要（中文）

无监督的大规模LiDAR点云配准仍然面临挑战，尤其是在户外场景中，由于几何模糊性导致伪标签质量下降，进而影响收敛效果。本文提出CAESAR，一个教师-学生框架，在训练期间通过现成的3D分割模型进行指导。我们发现潜在的内点匹配常常被噪声特征空间中的少数虚假邻居掩盖，因此提出双线索引导重新匹配方法来恢复这些匹配。此外，训练期间的语义几何标签挖掘和语义预测蒸馏进一步增强了学生模型的语义意识。实验结果表明，CAESAR在KITTI和nuScenes数据集上实现了最先进的性能，特别是在nuScenes基准上取得显著提升。

🔬 方法详解

问题定义：本文旨在解决无监督点云配准中的几何模糊问题，现有方法在处理稀疏和低分辨率的点云时表现不佳，导致伪标签质量下降和收敛不理想。

核心思路：提出CAESAR框架，通过训练期间的语义指导，利用教师-学生模型结构来增强配准精度。该方法利用语义信息来改善特征空间中的匹配效果，克服几何模糊带来的挑战。

技术框架：CAESAR框架包括教师模型和学生模型，教师模型使用现成的3D分割模型进行指导，学生模型则在训练过程中进行语义预测和标签挖掘。主要模块包括双线索引导重新匹配和语义几何标签挖掘。

关键创新：最重要的创新在于引入双线索引导重新匹配策略，通过重新选择潜在的内点匹配来提高配准精度，而不是简单地拒绝噪声匹配。

关键设计：在训练过程中，采用轻量级的批特定教师模型优化策略，结合语义指导进行伪标签挖掘。此外，语义预测蒸馏用于巩固学生模型的语义意识，确保模型在特征空间中的表现。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在KITTI和nuScenes数据集上的实验结果表明，CAESAR在配准精度上达到了最先进的水平，特别是在nuScenes基准上，性能提升幅度显著，具体数据未提供，但相较于现有方法表现出明显优势。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶、机器人导航和城市建模等场景，能够有效提升点云数据的配准精度，进而改善环境感知和决策能力。未来，该方法有望在更复杂的场景中推广应用，推动相关技术的发展。

📄 摘要（原文）

Unsupervised registration of large-scale LiDAR point clouds remains challenging due to the geometric ambiguity inherent in outdoor scenes, which degrades pseudo-label quality and leads to suboptimal convergence, particularly for sparse, low-resolution scans such as those from nuScenes. We reveal that registration models intrinsically encode semantic awareness that strongly correlates with registration accuracy, albeit without explicit semantic supervision. However, this native awareness is fragile: noisy supervision arising from geometric ambiguity in unsupervised settings rapidly erodes the learned semantic structure, causing performance collapse. To this end, we propose CAESAR, a teacher-student framework guided by an off-the-shelf 3D segmentation model exclusively during training. We observe that potential inlier matches are often buried just beneath a few spurious neighbors in the noisy feature space, motivating Dual-Cue Guided Re-Matching to recover them through reselection rather than simply rejecting. Building on this, a train-only Semantic-Geometric Label Mining performs lightweight, batch-specific teacher refinement and mines reliable pseudo-labels under semantic guidance. We further introduce Semantic Predictive Distillation to consolidate the student's semantic awareness in the feature space. Extensive experiments on KITTI and nuScenes demonstrate state-of-the-art performance, with pronounced gains on the challenging nuScenes benchmark. Crucially, CAESAR incurs zero inference overhead and requires no semantic annotations on the registration data. Code will be released.