यह शोधपत्र बिंदु मेघ पंजीकरण की समस्या पर विचार करता है, जो सुदूर संवेदन और डिजिटल हेरिटेज जैसे त्रि-आयामी पुनर्निर्माण अनुप्रयोगों में बहु-स्थानीय बिंदु मेघों की त्रि-आयामी संरेखण संगति सुनिश्चित करने के लिए अत्यंत महत्वपूर्ण है। मौजूदा अधिगम-आधारित और गैर-अधिगम-आधारित विधियाँ बिंदु अभिविन्यास और बिंदु अनिश्चितता की उपेक्षा करती हैं, जिससे वे शोरयुक्त इनपुट और ऑर्थोगोनल रूपांतरणों जैसे आक्रामक घूर्णी रूपांतरणों के प्रति संवेदनशील हो जाते हैं। इसलिए, अनुवाद संवर्द्धन सहित बिंदु मेघों के व्यापक प्रशिक्षण की आवश्यकता है। इन समस्याओं के समाधान के लिए, यह शोधपत्र एक सर्फेल-आधारित पोज़ लर्निंग रिग्रेशन दृष्टिकोण प्रस्तावित करता है। प्रस्तावित विधि लिडार बिंदु मेघों से आभासी परिप्रेक्ष्य कैमरा मापदंडों का उपयोग करके सर्फेल को आरंभीकृत करती है और स्पष्ट SE(3) समबाहु विशेषताओं को सीखती है जो SE(3) समबाहु संवलन कर्नेल के माध्यम से स्थिति और घूर्णन दोनों को ग्रहण करती हैं ताकि स्रोत और लक्ष्य स्कैन के बीच सापेक्ष अनुवाद का अनुमान लगाया जा सके। इस मॉडल में एक समबाहु संवलन एनकोडर, समानता गणना के लिए एक क्रॉस-अटेंशन तंत्र, एक पूर्ण-संयोजित डिकोडर और एक अरैखिक ह्यूबर हानि शामिल है। इनडोर और आउटडोर डेटासेट पर प्रायोगिक परिणाम, अत्याधुनिक विधियों की तुलना में प्रस्तावित मॉडल की श्रेष्ठता और वास्तविक बिंदु क्लाउड स्कैन पर इसकी मजबूती को प्रदर्शित करते हैं।
