Ett punktuppsättningsregistreringsproblem är en uppgift som använder två former, var och en består av en uppsättning punkter, för att uppskatta förhållandet mellan enskilda punkter mellan de två formerna. Här, en "form" är som en mänsklig kropp eller ansikte, som liknar en annan kropp eller ansikte men uppvisar morfologisk mångfald. Ta ansiktet som ett exempel:mittpositionen av ögonpupillen varierar beroende på individer men kan anses ha en överensstämmelse med en annan persons. En sådan överensstämmelse kan uppskattas genom att gradvis deformera en form så att den kan läggas ovanpå den andra. Uppskattning av överensstämmelsen mellan en punkt på en form och en punkt på en annan är punktuppsättningsregistreringsproblemet. Eftersom antalet punkter i en form kan vara miljoner, uppskattning av korrespondens beräknas av en dator. Ändå, tills nu, även när den snabbaste konventionella metoden användes, det tog lång tid att beräkna för registrering av ca. 100, 000 poäng. Således, algoritmer som kunde hitta en lösning mycket snabbare utan att påverka noggrannheten har sökts. Vidare, preliminär registrering före automatiserad uppskattning var en förutsättning för den konventionella beräkningsmetoden, så algoritmer som inte behöver preliminär registrering är önskvärda.

Prof. Osamu Hirose, en ung forskare vid Kanazawa University, har arbetat med detta problem. I sin studie, ett helt nytt tillvägagångssätt har tagits; ett punktuppsättningsregistreringsproblem definieras som maximering av posterior sannolikhet 1) i Bayesiansk statistik 2) och jämnheten hos ett förskjutningsfält 3) definieras som en tidigare sannolikhet 4). Som ett resultat, en ny algoritm har upptäckts som kan hitta en lösning på ett typiskt punktuppsättningsregistreringsproblem även utan tillräcklig preliminär registrering. Dessutom, genom att ersätta vissa beräkningar av denna algoritm med approximation, problem med punktuppsättningsregistrering kan lösas drastiskt snabbare än konventionella metoder. Till exempel, för två punktuppsättningar bestående av ca. 100, 000 poäng vardera, tillämpningen av den föreliggande metoden lyckades slutföra mycket exakt registrering inom 2 minuter, medan den snabbaste metoden som var allmänt tillgänglig tog cirka tre timmar. Också, som visas i illustrationen, den föreslagna metoden registrerade datauppsättningen "drake", där båda punktuppsättningarna var sammansatta av 437, 645 poäng vardera. Beräkningstiden var ungefär 20 min. Även om den nuvarande höghastighetsberäkningen använder approximationer, registreringens riktighet är inte reducerad i märkbar utsträckning, som visats av numeriska experiment.

Genom att använda algoritmen, nya CG-tecken kan skapas automatiskt, och därför, det kan vara en arbetsbesparande teknik för CG-designers. Den andra illustrationen visar ett exempel på tillämpning av algoritmen. Källform (a) och målform (b) erhölls från en offentlig databas och användes som indata för algoritmen. Form (c) är resultatet av den första registreringen, visar att källformen blev liknande målformen med bibehållna egenskaper hos källformen. Form (d) är resultatet av den andra registreringen, visar källformen som ska deformeras närmare målformen.

Vikten av problem med punktuppsättningsregistrering beror på deras breda användningsområde inom områdena datorgrafik (CG) och datorseende. Personlig autentisering genom ansiktsigenkänning som används på smartphones kan tolkas som en tillämpning av punktuppsättningsregistrering. Ytterligare, blanda den 3-dimensionella formen hos vissa två personer, kallas "morphing, " kan utföras genom punktuppsättningsregistrering. Dessutom, det finns en välkänd studie som möjliggjorde restaurering av en 3-dimensionell ansiktsmodell av den sena Audrey Hepburn från en enda bild, som använde en teknik som kan tolkas som punktuppsättningsregistrering. Därför, eftersom punktuppsättningsregistreringar med en mängd olika tillämpningar nu kan utföras med mycket hög hastighet med hög noggrannhet, det förväntas att den metod som etablerats i denna studie kommer att användas som en kärnteknologi inom detta forskningsfält.

Å andra sidan, metoden skulle kunna förbättras ytterligare. Även om det är anmärkningsvärt snabbare än den konventionella metoden, beräkningshastighet kan bli ett problem när antalet poäng i en poänguppsättning når miljoner. Prof. Hirose vidareutvecklar metoder för att möjliggöra beräkning av ett så stort punktuppsättningsregistreringsproblem inom några minuter. Preliminära resultat visar mycket lovande för en framgångsrik vidareutveckling.