成果基本信息

所属产业领域：机器学习、计算机视觉、医工交叉

成果联系人：黄博士

联系电话：13163056962

是否先试用后付费：面议

成果介绍

提出一种基于全局-局部双对比机制的三维点云自监督表征学习方法，解决了点云数据标注成本高与几何特征表达不充分的双重挑战。构建层次化对比学习框架，通过建立全局拓扑结构对比与局部几何细节对比的协同优化方法，实现点云语义特征的多尺度建模。具体而言，在全局层面采用基于图神经网络的拓扑嵌入模块捕捉点云整体形态特征，在局部层面设计可变形邻域注意力机制强化关键区域的几何描述能力。通过双向对比损失函数约束，促使网络在无监督条件下建立具有判别性的点云表征空间，在点云补全、场景理解等下游任务中迁移性能提升显著，为三维视觉系统的智能化处理提供了高效预训练解决方案。

图1 基于双对比机制的三维点云自监督表征学习方法框架图

图2 分割结果对比图 (a) Ground truth (b) DCPoint (所提方法) (c) STRL