生成即适配：基于 GAN 的点云数据三维域适配方法
计算机视觉与模式识别
2021-05-11 v4
摘要
近期的深度网络在各种三维点分类任务上取得了良好性能。然而，这些模型在“真实任务”中常面临挑战。由一种激光雷达采集的带标签训练/源数据，与由不同激光雷达采集的未见测试/目标数据之间存在显著差异。无监督域适配（UDA）试图在无目标域标签的情况下克服该问题。我们未采用在源数据与目标数据间对齐特征的方法，而是提出一种利用生成对抗网络从源域生成合成数据的方法，使输出接近目标域。实验表明，我们的方法在三个流行的三维物体/场景数据集（即 ModelNet、ShapeNet 和 ScanNet）的跨域三维物体分类上优于其他最先进的 UDA 方法。
引用
@article{arxiv.2102.07373,
title = {Generation For Adaption: A GAN-Based Approach for 3D Domain Adaption with Point Cloud Data},
author = {Junxuan Huang and Junsong Yuan and Chunming Qiao},
journal= {arXiv preprint arXiv:2102.07373},
year = {2021}
}