面向点云域自适应的自监督学习
计算机视觉与模式识别
2022-05-16 v5 机器学习
图像与视频处理
摘要
自监督学习 (SSL) 是一种从无标注数据中学习有用表征的技术。它已有效应用于图像与视频上的域适应 (DA)。目前仍不清楚其能否及如何用于 3D 感知问题中的域适应。本文描述了首个关于点云域适应中 SSL 的研究。我们受 sim-to-real 变换中遇到的形变启发，引入一类新 pretext task（前置任务），称为形变重建 (Deformation Reconstruction)。此外，我们提出一种受 MixUp 方法启发的、用于有标注点云数据的新型训练流程，称为点云 MixUp (PCM)。在分类与分割的域适应数据集上的评估表明，相较现有方法与基线方法均有大幅改进。
引用
@article{arxiv.2003.12641,
title = {Self-Supervised Learning for Domain Adaptation on Point-Clouds},
author = {Idan Achituve and Haggai Maron and Gal Chechik},
journal= {arXiv preprint arXiv:2003.12641},
year = {2022}
}