Info3D：基于互信息最大化与对比学习的 3D 物体表示学习
计算机视觉与模式识别
2020-08-25 v2 机器学习
图像与视频处理
摘要
计算机视觉的一大目标是表示、理解并从 3D 数据中提取结构。为此，无监督学习是一种强大且必要的工具。当前大多数用于 3D 形状分析的无监督方法使用对齐的数据集，要求重建物体，并且在下游任务上性能退化。为解决这些问题，我们提出将 InfoMax 和对比学习原理扩展到 3D 形状上。我们表明，可以通过最大化 3D 物体与其“块”之间的互信息来改进对齐数据集上的表示。此外，我们可以通过最大化 3D 物体与其几何变换版本之间的互信息，在 SO 群中实现旋转不变性。最后，我们进行了聚类、迁移学习、形状检索等多项实验，并取得了最先进的结果。
引用
@article{arxiv.2006.02598,
title = {Info3D: Representation Learning on 3D Objects using Mutual Information Maximization and Contrastive Learning},
author = {Aditya Sanghi},
journal= {arXiv preprint arXiv:2006.02598},
year = {2020}
}
备注
ECCV 2020