EPContrast：面向大规模点云理解的高效点级对比学习
计算机视觉与模式识别
2024-10-23 v1
摘要
通过点级对比学习获取归纳偏置在点云预训练中至关重要。然而，计算需求随点云规模呈平方增长，这对其实际部署和执行构成了重大障碍。为了解决这一挑战，本文提出了一种用于大规模点云理解的高效点级对比学习方法，称为EPContrast，它由AGContrast和ChannelContrast组成。在实践中，AGContrast基于非对称粒度嵌入构建正负对，而ChannelContrast在通道特征图之间施加对比监督。EPContrast在提供点级对比损失的同时，减轻了计算资源负担。通过在S3DIS和ScanNetV2上进行的语义分割、实例分割和目标检测等任务的全面验证，EPContrast的有效性得到了证实。此外，丰富的消融实验表明，在标签高效和单轮训练设置下，它具有显著的偏置归纳能力。
引用
@article{arxiv.2410.17207,
title = {EPContrast: Effective Point-level Contrastive Learning for Large-scale Point Cloud Understanding},
author = {Zhiyi Pan and Guoqing Liu and Wei Gao and Thomas H. Li},
journal= {arXiv preprint arXiv:2410.17207},
year = {2024}
}