面向少样本 3D 点云语义分割的查询感知枢纽原型学习
计算机视觉与模式识别
2025-12-10 v1
摘要
少样本 3D 点云语义分割（FS-3DSeg）旨在仅用少量标记样本对新类别进行分割。然而，现有基于度量的方法的原型学习会仅从 support 集生成原型，未考虑其与 query 数据的相关性。这会导致原型偏差，即原型过拟合 support 特有特征，难以泛化至 query 分布，尤其在分布迁移情况下，导致分割性能下降。为此，我们提出一种新型查询感知枢纽原型（QHP）学习方法，显式建模 support 与 query 集合之间的语义关联。具体而言，我们提出的枢纽原型生成（HPG）模块构建一个连接 query 与 support 点的二分图，识别频繁关联的 support 枢纽，并生成与 query 相关的原型，以更好地捕获跨集语义。为进一步缓解坏枢纽和类边界附近模糊原型的影响，我们引入原型分布优化（PDO）模块，采用 纯度加权对比损失，以拉近坏枢纽和离群原型至其对应类别中心，从而细化原型表示。在 S3DIS 和 ScanNet 上的大量实验表明，QHP 在 FS-3DSeg 中显著超越最新方法，显著缩小原型与 query 集合之间的语义鸿沟。
引用
@article{arxiv.2512.08253,
title = {Query-aware Hub Prototype Learning for Few-Shot 3D Point Cloud Semantic Segmentation},
author = {YiLin Zhou and Lili Wei and Zheming Xu and Ziyi Chen and Congyan Lang},
journal= {arXiv preprint arXiv:2512.08253},
year = {2025}
}