点云上的无监督多任务特征学习
计算机视觉与模式识别
2019-10-21 v1 机器学习
摘要
我们提出一种无监督多任务模型，以联合学习点云上的点特征和形状特征。我们定义了三个无监督任务，包括聚类、重建和自监督分类，用于训练一个基于多尺度图的编码器。我们在形状分类和分割基准上评估我们的模型。结果表明其优于先前最先进的 (state-of-the-art) 无监督模型：在 ModelNet40 分类任务中达到 89.1% 的准确率，在 ShapeNet 分割任务中达到 68.2 的 mIoU 和 88.6% 的准确率。
引用
@article{arxiv.1910.08207,
title = {Unsupervised Multi-Task Feature Learning on Point Clouds},
author = {Kaveh Hassani and Mike Haley},
journal= {arXiv preprint arXiv:1910.08207},
year = {2019}
}
备注
ICCV 2019