MCA：通过多层次自适应校正与对齐实现带噪标签的 2D-3D 检索
计算机视觉与模式识别
2025-08-11 v1
摘要
随着 2D 和 3D 数据日益丰富，跨模态检索领域取得了显著进展。然而，不完美标注的存在带来了相当大的挑战，要求在带噪标签条件下为 2D-3D 跨模态检索提供鲁棒的解决方案。现有方法通常通过在每个模态内独立划分样本来处理噪声问题，这使得它们容易对损坏的标签产生过拟合。为解决这些问题，我们提出了一种鲁棒的 2D-3D 多级跨模态自适应校正与对齐框架（MCA）。具体而言，我们引入了一种多模态联合标签校正（MJC）机制，该机制利用多模态历史自预测来联合建模模态预测一致性，从而实现可靠的标签精炼。此外，我们提出了一种多级自适应对齐（MAA）策略，以有效增强不同级别的跨模态特征语义和判别力。大量实验证明了我们方法 MCA 的优越性，它在常规和现实的带噪 3D 基准测试上均达到了最先进的性能，突显了其通用性和有效性。
引用
@article{arxiv.2508.06104,
title = {MCA: 2D-3D Retrieval with Noisy Labels via Multi-level Adaptive Correction and Alignment},
author = {Gui Zou and Chaofan Gan and Chern Hong Lim and Supavadee Aramvith and Weiyao Lin},
journal= {arXiv preprint arXiv:2508.06104},
year = {2025}
}
备注
ICMEW 2025