跳到正文
arXiv · 机器人与计算机视觉· Adrian Kruse, Kadir Yilmaz, Daan de Geus, Francis Engelmann, Bastian Leibe·· 13 天前AI 评分58

VINO:用体积 Transformer 重新审视 3D 表示学习

VINO: Revisiting 3D Representation Learning with Volume Transformers

AI 导读

针对 3D 场景表示学习尚未取得与图像基础模型相当成功的现状,本文提出 VINO 框架以无标签方式学习语义表示。核心改进包括:将分层 PTv3 骨干替换为体积 Transformer;在学生 - 教师网络中分离角色,由教师提供一致目标、学生学习强扰动下的不变性,并禁止学生访问被遮挡几何体;最后重构 2D 到 3D 的知识蒸馏,用视图一致的监督替代直接回归。

来源:arXiv · 机器人与计算机视觉 · arxiv.org