面向自监督点云序列表示学习的完整到部分 4D 蒸馏
计算机视觉与模式识别
2022-12-21 v3
摘要
近期关于 4D 点云序列的工作引起广泛关注。然而，获取详尽标注的 4D 数据集通常极为昂贵且费力，因此研究如何利用原始无标注数据尤为重要。但多数现有自监督点云表示学习方法仅考虑静态快照中的几何，忽略了动态场景的顺序观测可揭示更全面的几何细节这一事实。且视频表示学习框架多将运动建模为图像空间流，更不用说具备 3D 几何感知。为克服上述问题，本文提出一种称为完整到部分 4D 蒸馏的新 4D 自监督预训练方法。我们的核心思想是将 4D 自监督表示学习构建为师生知识蒸馏框架，并让学生在网络指导下学习有用的 4D 表示。实验表明，该方法在包括室内与室外场景的广泛 4D 点云序列理解任务上显著优于先前预训练方法。
引用
@article{arxiv.2212.05330,
title = {Complete-to-Partial 4D Distillation for Self-Supervised Point Cloud Sequence Representation Learning},
author = {Zhuoyang Zhang and Yuhao Dong and Yunze Liu and Li Yi},
journal= {arXiv preprint arXiv:2212.05330},
year = {2022}
}