自排序点云
计算机视觉与模式识别
2023-04-11 v2
摘要
在本文中，我们通过逐点排序来解决在3D点云中寻找代表性点子集的任务。仅有少数工作尝试解决这一具有挑战性的视觉问题，且都借助难以获取的点与云标签。与这些工作不同，我们引入了通过自监督在3D点云中进行逐点排序的任务，称之为自排序（self-ordering）。我们进一步贡献了首个以自监督方式学习逐点排序的端到端可训练网络。它利用一种新颖的可微分点评分-排序策略，并构建分层对比方案以获取自监督信号。我们对该方法进行了充分消融实验，并展示了其可扩展性及优越性能，即便在多个数据集和任务上（包括来自未见类别的点云零样本排序）优于有监督排序方法。
引用
@article{arxiv.2304.00961,
title = {Self-Ordering Point Clouds},
author = {Pengwan Yang and Cees G. M. Snoek and Yuki M. Asano},
journal= {arXiv preprint arXiv:2304.00961},
year = {2023}
}