用于文本-3D 检索的双曲分层对齐推理网络
计算机视觉与模式识别
2025-11-17 v1
摘要
随着3D数据在互联网上的日常流入，文本-3D 检索正越来越受到关注。然而，当前方法面临两个主要挑战：层次表示坍缩（HRC）和冗余导致的显著性稀释（RISD）。HRC压缩了从抽象到具体以及从整体到局部的层次结构，而RISD则对噪声碎片进行平均，从而模糊关键语义线索并削弱模型区分硬负例的能力。为解决这些挑战，我们提出了双曲分层对齐推理网络（Hyperbolic Hierarchical Alignment Reasoning Network, H²ARN）用于文本-3D 检索。H²ARN 将文本和3D数据嵌入到 Lorentz 模型双曲空间中，其中指数级体积增长本质上保留了层次距离。一个分层排序损失构建一个收缩的包含锥围绕每个文本向量，确保匹配的3D实例落在锥内，同时一个实例级对比损失联合强制与非匹配样本分离。为解决RISD，我们提出了一个以贡献为导向的双曲聚合模块，利用洛仁逊距离评估每个局部特征的相关性，并应用贡献加权聚合引导双曲几何，增强判别性区域的同时抑制冗余且无需额外监督。我们也发布了扩大的T3DR-HIT v2基准数据集，其中包含8,935个文本到3D配对，规模是原来的2.6倍，覆盖细粒度文化遗物和复杂室内场景。我们的代码可在 https://github.com/liwrui/H2ARN 获取。
引用
@article{arxiv.2511.11045,
title = {Hyperbolic Hierarchical Alignment Reasoning Network for Text-3D Retrieval},
author = {Wenrui Li and Yidan Lu and Yeyu Chai and Rui Zhao and Hengyu Man and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2511.11045},
year = {2025}
}
备注
Accepted by AAAI-2026