CLR-GAM: 结合引导增强与特征映射的对比点云学习
计算机视觉与模式识别
2023-03-01 v1 人工智能
机器学习
摘要
点云数据在机器人和自动驾驶应用中发挥着至关重要的作用。然而，尽管点云数据能够学习赋能分类和分割等下游任务的判别性 3D 表示，对其进行标注却耗时且并非易事。近期，基于对比学习的框架在以自监督方式学习 3D 表示方面展现出了可喜的成果。然而，现有的对比学习方法无法精确地编码和关联结构特征，也难以高效搜索更高维的增强空间。在本文中，我们提出了 CLR-GAM，一种新颖的基于对比学习的框架，其包含用于高效动态探索策略的引导增强（GA）以及用于增强点云间相似结构特征关联的引导特征映射（GFM）。我们通过实验证明，所提出的方法在模拟和真实世界的 3D 点云数据集上的三种不同下游任务（即 3D 点云分类、少样本学习和物体部件分割）中均取得了 SOTA 性能。
引用
@article{arxiv.2302.14306,
title = {CLR-GAM: Contrastive Point Cloud Learning with Guided Augmentation and Feature Mapping},
author = {Srikanth Malla and Yi-Ting Chen},
journal= {arXiv preprint arXiv:2302.14306},
year = {2023}
}