arXiv · 机器人与计算机视觉· Abdiaziz Muse, Jiju Poovvancheri·· 13 小时前AI 评分38
3D 点表示是否编码建筑功能?NeurIPS 2026 Workshop 接受论文探究监督与预训练模型在城市场景的表现
Do 3D Point Representations Encode Architectural Functions? Probing Supervised and Pretrained Models on Urban Facades
AI 导读
研究针对 22 栋移动激光雷达建筑的 15 种功能属性,发现冻结的 Utonia 预训练特征(0.732 mAP)优于从零训练的 PointNet 至 PTv3 及手工描述符。微调反而削弱了预训练带来的收益,表明在当前数据规模下,建筑功能更应从预训练表示中读取而非从头学习。该成果已获 NeurIPS 2026 Workshop 接受,代码与权重开放许可待定。
来源:arXiv · 机器人与计算机视觉 · arxiv.org