面向三维点云分类的转导式零样本学习
计算机视觉与模式识别
2019-12-24 v2
摘要
零样本学习，即学习识别训练时未见过的新类别的任务，在二维图像分类情形下已受到相当关注。然而尽管三维传感器日益普及，相应的三维点云分类问题尚未得到实质性探索并带来了新的挑战。本文首次将转导式零样本学习（ZSL）与广义零样本学习（GZSL）方法拓展至三维点云分类领域。为此，我们提出了一种利用无标签测试数据的新型三元组损失。该方法虽为三维点云分类任务而设计，也被证明适用于更常见的二维图像分类用例。我们进行了大量实验，确立了三维点云领域 ZSL 与 GZSL 的当前最优水平，并展示了该方法在图像领域的适用性。
引用
@article{arxiv.1912.07161,
title = {Transductive Zero-Shot Learning for 3D Point Cloud Classification},
author = {Ali Cheraghian and Shafin Rahman and Dylan Campbell and Lars Petersson},
journal= {arXiv preprint arXiv:1912.07161},
year = {2019}
}
备注
WACV 2020