联合图熵知识蒸馏用于点云分类及对抗损坏鲁棒性
计算机视觉与模式识别
2025-09-29 v1 信息检索
摘要
3D点云分类任务常假设类别事件独立同分布（IID），但此假设破坏类别间相关性。本文提出联合图熵知识蒸馏（JGEKD）策略，适用于非独立同分布的3D点云数据，通过构建基于联合图熵的损失函数实现类别相关性知识传递。首先，我们利用联合图捕获类别间隐藏关系。随后，为处理对空间变换不变的3D点云，构建三姊妹结构，发展自知识蒸馏与教师知识蒸馏两大框架，以促进不同数据变换形式间的信息传递。此外，利用上述框架实现点云与其损坏形式间的知识传递，提升模型对损坏的鲁棒性。在ScanObject、ModelNet40、ScanNetV2_cls和ModelNet-C上进行大量实验，证明所提策略可达到竞争性成绩。
引用
@article{arxiv.2509.22150,
title = {Joint graph entropy knowledge distillation for point cloud classification and robustness against corruptions},
author = {Zhiqiang Tian and Weigang Li and Junwei Hu and Chunhua Deng},
journal= {arXiv preprint arXiv:2509.22150},
year = {2025}
}