面向真实世界腐蚀鲁棒识别的目标引导对抗点云变换器

在面对腐蚀数据的情况下实现鲁棒的3D感知，是3D视觉研究中的一个具有挑战性的难题。当前的基于变换器的点云识别模型尽管先进，但倾向于过拟合到特定模式，从而削弱了其对抗腐蚀的鲁棒性。在本工作中，我们提出了目标引导对抗点云变换器（APCT），一种新颖的架构，旨在通过基于训练过程中每一步所识别模式的对抗特征擦除机制来增强全局结构捕获。具体而言，APCT集成了一个对抗显著性识别器和一个目标引导提示器。对抗显著性识别器通过整合全局上下文分析来判别token的重要性，利用结构显著性指数算法以及辅助监督机制。目标引导提示器负责在自注意力机制中强调token丢弃的倾向，利用上述推导出的值，从而引导模型注意力在后续阶段转向其他片段。通过在训练过程中迭代应用该策略，网络逐步识别并整合了更多与对象相关的模式。大量实验表明，我们的方法在多个腐蚀基准上取得了最先进的结果。