전역 강체 정합을 위한 선형 수렴 퀘시 브랜치앤바운드

초록

본 논문은 기존의 선형 하한을 사용하는 브랜치‑앤‑바운드(BnB) 방식에 대신, 전역 최소점 근처에서 에너지 함수가 보이는 2차 형태를 이용한 ‘퀘시‑하한’(quasi‑lower bound)을 도입한 새로운 프레임워크인 Quasi‑BnB를 제안한다. 퀘시‑하한은 진정한 하한은 아니지만 전역 최적성을 해치지 않으며, 이론적으로 선형 수렴률을 보인다. 즉, ε 정확도를 얻는 데 O(log (1/ε))의 시간 복잡도를 가지며, 기존 BnB 알고리즘이 보이는 다항식 복잡도보다 훨씬 효율적이다. 실험 결과는 고정밀도가 요구되는 2D·3D 강체 정합 문제에서 제안 방법이 현존 최첨단 BnB보다 현저히 빠른 성능을 나타냄을 확인한다.

상세 분석

본 논문은 강체 정합 문제를 전역적으로 최적화하기 위한 새로운 브랜치‑앤‑바운드(Branch‑and‑Bound, BnB) 알고리즘을 설계한다. 기존 BnB는 탐색 영역(큐브)마다 선형 하한(linear lower bound)을 이용해 최소값을 제한하고, 하한이 현재 전역 상한보다 크면 해당 영역을 제외한다. 그러나 강체 정합의 에너지 함수 E(g,π)는 비볼록이며 비연속적이지만, 고정된 변환 g에 대해 최적 대응 π를 찾는 과정은 다항식 시간에 해결 가능하고, 고정된 대응 π에 대해 E는 매끄러운 함수가 된다. 이러한 ‘조건부 매끄러움(conditional smoothness)’을 이용해 논문은 D‑quasi‑optimizable 문제라는 정의를 제시한다. 여기서 D는 변환 파라미터(회전 r와 평행이동 t)의 차원이며, 문제는 (1) 최소값 존재, (2) y‑변수(대응) 최적화가 다항식 시간, (3) x‑변수(변환) 고정 시 매끄러움이라는 세 조건을 만족한다.

핵심 아이디어는 전역 최소점 x* 근처에서 F(x)=min_y E(x,y) 가 2차 형태 F(x)−F(x*) ≤ C‖x−x*‖² 로 근사된다는 사실이다(Lemma 1). 이를 기반으로 ‘퀘시‑하한(quasi‑lower bound)’ Δ*(δ)=C δ²+O(δ³)를 정의한다. 이 하한은 실제로는 최소점이 포함된 영역에만 유효하지만, BnB 절차에서 “lb_i = F(x_i) − Δ*(√D h_i)” 로 계산한 값이 전역 상한보다 크면 해당 큐브를 배제할 수 있다. 즉, 기존의 선형 하한 대신 2차 퀘시‑하한을 사용함으로써 큐브 제거 효율이 크게 증가한다.

복잡도 분석(Theorem 2)은 두 가지 결과를 제시한다. (i) 기존 BnB는 ε‑정밀도에 대해 O(ε^{−D}) 평가 횟수를 필요로 하며, 최악의 경우 O(ε^{−D/2}) 정도의 하한을 가진다. (ii) Quasi‑BnB는 동일한 정확도에 대해 O(log (1/ε)) 평가 횟수, 즉 선형 수렴률을 보인다. 특히 최소점이 유한 개이고 Hessian이 양정치인 경우, 평가 횟수는 C₄·log₂(1/ε) 로 상한이 정해진다.

구체적인 구현에서는 두 대표적인 강체 정합 모델, rigid‑CP(closest‑point)와 rigid‑bijective(전치 매핑) 문제에 대해 Δ를 명시적으로 유도한다. rigid‑bijective 경우, 회전 행렬의 테일러 전개와 Frobenius norm을 이용해 Δ(δ)=2 n σ_P σ_Q ψ₂(δ) 로 표현한다(ψ₂는 e^x의 2차 절단 테일러). rigid‑CP에 대해서도 유사한 2차 경계식을 도출한다. 알고리즘은 BFS 방식으로 큐브를 순차적으로 분할하고, 각 큐브에 대해 F(x_i)와 Δ*를 계산해 전역 상한과 하한을 갱신한다.

실험에서는 2D·3D 포인트 클라우드 정합을 대상으로, 다양한 잡음 수준과 목표 정확도(10⁻³~10⁻⁶)에서 기존 BnB(예: Go‑ICP, qBnB