基于深度神经网络的无监督点云表示学习：综述
计算机视觉与模式识别
2023-04-04 v3 人工智能
摘要
点云数据因其在各种不利情况下的优越精度和鲁棒性而被广泛探索。同时，深度神经网络（DNNs）在监控和自动驾驶等各种应用中取得了令人印象深刻的成果。点云与 DNNs 的结合催生了许多深度点云模型，这些模型大多在大规模密集标注点云数据的监督下训练。无监督点云表示学习旨在从未标注点云数据中学习通用且有用的点云表示，由于大规模点云标注的局限性，近来受到越来越多的关注。本文对使用 DNNs 的无监督点云表示学习进行了全面综述。首先描述了近期研究的动机、通用流程以及术语。随后简要介绍相关背景，包括广泛采用的点云数据集和 DNN 架构。接着根据技术方法对现有无监督点云表示学习方法进行了广泛讨论。我们还在多个广泛采用的点云数据集上对所综述方法进行了定量基准测试与讨论。最后，我们就无监督点云表示学习未来研究中可追求的若干挑战和问题分享了浅见。与本综述相关的项目已建于 https://github.com/xiaoaoran/3d_url_survey。
引用
@article{arxiv.2202.13589,
title = {Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey},
author = {Aoran Xiao and Jiaxing Huang and Dayan Guan and Xiaoqin Zhang and Shijian Lu and Ling Shao},
journal= {arXiv preprint arXiv:2202.13589},
year = {2023}
}
备注
IEEE Transactions on Pattern Analysis and Machine Intelligence