无数据集方法：基于自监督学习的 3D 反射对称检测
计算机视觉与模式识别
2025-03-07 v2 人工智能
摘要
本文探讨了一种无需依赖数据集的自监督模型，用于检测单个物体的对称性。我们假设物体的对称性可由其内在特征决定，从而无需在训练时依赖大型数据集。此外，我们设计了一种自监督学习策略，无需地面实验标签。这两个关键要素使我们的 метод既有效又高效，解决了为此任务构建大型标注数据集的高昂成本问题。我们方法的新颖之处在于，基于对称点应 Exhibit similar visual appearances 这一思想，为物体上的每个点计算特征。为此，我们利用来自基础图像模型提取的特征来计算点的视觉描述符。该方法为点云提供了视觉特征，促进了自监督模型的优化。实验结果表明，我们的方法优于基于大型数据集训练的现有方法。此外，我们的模型更高效、更有效，所需计算和数据资源更少。
引用
@article{arxiv.2503.02660,
title = {A dataset-free approach for self-supervised learning of 3D reflectional symmetries},
author = {Isaac Aguirre and Ivan Sipiran and Gabriel Montañana},
journal= {arXiv preprint arXiv:2503.02660},
year = {2025}
}