通过遮挡补全的无监督点云预训练
计算机视觉与模式识别
2021-10-15 v3 机器学习
摘要
我们描述了一种用于点云的简单预训练方法。其分三步工作:1. 掩码相机视图中被遮挡的所有点;2. 学习编码器-解码器模型以重建被遮挡的点;3. 使用编码器权重作为下游点云任务的初始化。我们发现,即使我们构建单个预训练数据集(来自ModelNet40),该预训练方法在不同数据集和编码器上、广泛的下游任务中均提升了准确率。具体而言,我们展示了我们的方法在对象分类以及基于部件和语义分割任务上优于先前的预训练方法。我们研究了预训练特征,发现它们带来宽泛的下游极小值、具有高变换不变性,并且其激活与部件标签高度相关。代码和数据可见于:https://github.com/hansen7/OcCo
引用
@article{arxiv.2010.01089,
title = {Unsupervised Point Cloud Pre-Training via Occlusion Completion},
author = {Hanchen Wang and Qi Liu and Xiangyu Yue and Joan Lasenby and Matthew J. Kusner},
journal= {arXiv preprint arXiv:2010.01089},
year = {2021}
}
备注
sync with ICCV camera ready