面向三维点云表示学习的自监督对抗掩码
计算机视觉与模式识别
2023-07-12 v1
摘要
自监督方法已被证明对学习三维点云数据的深度表示有效。尽管该领域近期方法常依赖于输入的随机掩码，但此方法的结果可加以改进。我们引入 PointCAM，一种用于学习点云掩码函数的新型对抗方法。我们的模型利用带有三维点云在线 tokenizer 的自蒸馏框架。与先前优化块级与目标级目标的技巧相比，我们假定应用一个辅助网络来学习如何选取掩码而非随机选取。我们的结果显示，所学掩码函数在多种下游任务上取得了 SOTA 或具竞争力的性能。源代码见 https://github.com/szacho/pointcam。
引用
@article{arxiv.2307.05325,
title = {Self-supervised adversarial masking for 3D point cloud representation learning},
author = {Michał Szachniewicz and Wojciech Kozłowski and Michał Stypułkowski and Maciej Zięba},
journal= {arXiv preprint arXiv:2307.05325},
year = {2023}
}