跳到正文
arXiv · 机器人与计算机视觉· Jongann Lee, Sun Woo Park, Yun Young Choi·· 2026-10-16精选AI 评分82

SIEVE:克服等变自监督学习中拓扑障碍的框架

SIEVE: Overcoming Topological Obstruction in Equivariant Self-Supervised Learning

AI 导读

论文指出标准掩码策略会导致 3D 点云 SE(3)等变网络发生拓扑坍缩,迫使模型在无参考系下幻觉方向。为此提出 SIEVE(Scalar Invariant Extraction Via Equivariance)框架,利用球面投影掩码在保留全局姿态的同时模糊局部语义,从而规避该障碍。

推荐理由

该文提出 SIEVE 框架解决 SE(3)等变网络在点云掩码自监督学习中的拓扑障碍,实验显示其优于坐标基线与手工描述符。

来源:arXiv · 机器人与计算机视觉 · arxiv.org