AutoGPart：用于可泛化三维部件分割的中间监督搜索

训练可泛化的三维部件分割网络极具挑战性，但在现实应用中十分重要。为解决此问题，一些工作通过将人对任务的理解转化为机器的学习过程来设计特定任务的方案，这面临错过最优策略的风险，因为机器未必以与人类完全相同的方式理解。另一些尝试使用为域泛化问题设计的常规任务无关方法，未考虑任务先验知识。为解决上述问题，我们提出 AutoGPart，一种能在考虑任务先验下训练可泛化三维部件分割网络的通用方法。AutoGPart 构建了一个编码几何先验知识的监督空间，并让机器从该空间中自动为特定分割任务搜索最优监督。我们在三个可泛化三维部件分割任务上进行了大量实验，以证明 AutoGPart 的有效性与通用性。我们表明，当使用由我们方法搜索出的监督进行训练时，采用简单骨干网络的分割网络性能可得到显著提升。