一种基于跨分支融合的点云自监督学习对比学习框架
计算机视觉与模式识别
2025-06-02 v1
摘要
对比学习是自监督学习中的一种重要方法。它主要采用多分支策略来比较从不同分支获得的潜在表示并训练编码器。在多模态输入的情况下，同一对象的不同模态被输入到不同的分支中。当使用单模态数据时，相同的输入在输入到不同分支之前会经历各种数据增强。然而，迄今为止，所有现有的对比学习框架都只在最终的损失端对学习到的特征执行对比操作，在此阶段之前不同分支之间没有信息交换。在本文中，针对不使用额外训练数据的点云无监督学习，我们提出了一种基于跨分支注意力的点云数据对比框架（称为 PoCCA），以学习丰富的 3D 点云表示。通过引入子分支，PoCCA 允许在损失端之前进行不同分支之间的信息交换。实验结果表明，在不使用额外训练数据的情况下，使用我们的自监督模型学习到的表示在用于点云下游任务时达到了最先进的性能。
引用
@article{arxiv.2505.24641,
title = {A Cross Branch Fusion-Based Contrastive Learning Framework for Point Cloud Self-supervised Learning},
author = {Chengzhi Wu and Qianliang Huang and Kun Jin and Julius Pfrommer and Jürgen Beyerer},
journal= {arXiv preprint arXiv:2505.24641},
year = {2025}
}