跳到正文
arXiv · 机器人与计算机视觉· Kun Jiang, Shida Fu, Fanhao Yi, Weiqing Li, Zhiyong Su·· 29 天前AI 评分54

未见噪声下的点云去噪测试时自适应方法

Test-time Adaptation for Point Cloud Denoising under Unseen Noise

AI 导读

针对深度学习点云去噪方法在真实场景中因噪声分布偏离训练集而性能下降的问题,本文提出一种无需额外监督或重新训练的测试时自适应(TTAD)框架。该框架利用预训练模型和测试时的噪声点云作为输入,首先通过残差驱动噪声建模模块估计样本特定的噪声分布,随后设计噪声感知对比适应模块构建样本特定的噪声 - 更噪测试对,并通过对比学习在测试时对模型参数进行更新。

来源:arXiv · 机器人与计算机视觉 · arxiv.org