PointCubeNet：基于3×3×3点云块的3D分部级推理
计算机视觉与模式识别
2025-11-11 v1
摘要
本文提出PointCubeNet—a一款 novel 多模态3D理解框架，实现无需任何分部标注的分部级推理。PointCubeNet由全局分支和局部分支组成。所提出的局部分支结构为3×3×3局部块，使其能够对点云子区域进行分部级分析，并对应用局部文本标签。借助所提出的伪标签方法和局部损失函数，PointCubeNet以无监督方式有效训练。实验结果表明，理解3D物体的分部有助于理解整个3D物体。此外，这是首次尝试进行无监督3D分部级推理，并取得可靠且有意义的结果。
引用
@article{arxiv.2511.06744,
title = {PointCubeNet: 3D Part-level Reasoning with 3x3x3 Point Cloud Blocks},
author = {Da-Yeong Kim and Yeong-Jun Cho},
journal= {arXiv preprint arXiv:2511.06744},
year = {2025}
}