跨域泛化领先
通过迭代学习最棘手旋转并联合定向对比学习，该网络在不依赖旋转增广的情况下实现显著的3D跨域泛化。
Bangzhen, Liu · Chenxi, Zheng · 徐雪妙 · Xu, Cheng · Zhang, Huaidong · 何盛烽
IEEE Transactions on Pattern Analysis and Machine Intelligence 2025
通过迭代学习最棘手的旋转来缓解方向偏移，而不是依赖旋转增广，从而避免增广带来的计算开销和分布偏移。
在3D跨域基准上通过大量实验和消融研究，确立了方向感知域泛化的最先进性能。
通过方向一致性损失和间隔分离损失，学习具有旋转一致性且类别可分的特征，提升跨域适应性。