PointCMP：面向点云视频自监督学习的对比掩码预测
计算机视觉与模式识别
2023-05-09 v1
摘要
自监督学习能够仅从无标签数据中提取高质量的表征，这对于标注成本高昂的点云视频而言颇具吸引力。本文提出一种用于点云视频自监督学习的对比掩码预测（PointCMP）框架。具体而言，我们的 PointCMP 采用双分支结构，以实现局部与全局时空信息的同步学习。在此双分支结构之上，我们设计了基于互相似度的增强模块，在特征层面合成困难样本。通过掩码主导 token 与擦除主通道，我们生成困难样本，从而促进学习具有更好判别力与泛化性能的表征。大量实验表明，我们的 PointCMP 在基准数据集上取得了最先进的性能，并优于现有的全监督对应方法。迁移学习结果证明了所学表征在不同数据集与任务间的优越性。
引用
@article{arxiv.2305.04075,
title = {PointCMP: Contrastive Mask Prediction for Self-supervised Learning on Point Cloud Videos},
author = {Zhiqiang Shen and Xiaoxiao Sheng and Longguang Wang and Yulan Guo and Qiong Liu and Xi Zhou},
journal= {arXiv preprint arXiv:2305.04075},
year = {2023}
}
备注
Accepted by CVPR 2023