点云多比率掩蔽预训练模型

少样本分类超4%

通过多比率掩蔽同时嵌入点云局部与全局上下文，显著提升自监督预训练在下游任务上的表示迁移能力。

Tang, Yuan · 李贤芝 · 徐锦芬苦 · Yu, Qiao · Hu, Long · 好医学 · Min, Chen

IEEE Transactions on Multimedia 2023

参数信息

少样本分类上超过第二名

4 %

技术优势

多比率掩蔽

避免模型对固定掩蔽比率的过拟合，通过不同难度的任务促使编码器充分探索代表性特征。

局部与全局特征联合嵌入

复合损失函数同时鼓励全局表示一致性和局部点云预测，使学到的表示同时捕获局部细节和全局结构。

应用场景

• 3D点云理解：提供更通用的点云表示，提升多种下游任务性能。
• 3D目标检测：直接提升检测精度，AP25和AP50均有增益。
• 3D语义分割：学到的局部与全局特征有助于更准确的逐点语义标注。
• 真实场景感知：在真实扫描数据上验证有效，适合真实场景理解。