超越随机掩码：用于旋转不变点云掩码自编码器的双流方法

现有的旋转不变点云掩码自编码器（MAE）依赖于随机掩码策略，该策略忽略了几何结构和语义一致性。随机掩码将图块独立处理，无法捕捉跨方向保持一致的空间关系，也忽略了在旋转下保持身份不变的语义物体部件。我们提出了一种双流掩码方法，结合三维空间网格掩码和渐进语义掩码，以解决这些基本局限。网格掩码通过坐标排序创建结构化模式，以捕捉在不同方向上持续存在的几何关系，而语义掩码则利用注意力驱动的聚类来发现语义上有意义的部分，并在掩码过程中保持其连贯性。这些互补的流通过课程学习和动态加权进行编排，从几何理解逐步过渡到语义发现。作为即插即用组件，我们的方法无需架构更改即可集成到现有的旋转不变框架中，确保在不同方法之间具有广泛的兼容性。在ModelNet40、ScanObjectNN和OmniObject3D上的全面实验表明，在各种旋转场景下均有一致的改进，相比基线旋转不变方法实现了显著的性能提升。