arXiv · 机器人与计算机视觉· Silas Kwabla Gah, Ebenezer Owusu·· 2 天前AI 评分72
先表示后加权:冻结 3D 基础模型融合中的语义保留研究
Representation Before Weighting: Semantic Retention in Frozen 3D Foundation-Model Fusion
AI 导读
本文研究了冻结多源 3D 语义融合中直接取 Top-1 标签导致信息丢失的问题,提出通过保留 Top-k 候选来改善性能。在 ScanNet200 数据集上,Top-20 策略的调和平均 IoU 达到 35.49,优于 Top-1(28.47)和全量保留(34.87)。研究还发现几何池化算子下全量保留表现最佳。该工作为冻结基础模型的融合推理提供了新的信息论视角与实验证据。
来源:arXiv · 机器人与计算机视觉 · arxiv.org