欧氏空间和嵌入空间中基于边界感知的点聚类方法用于屋顶平面分割

本论文提出了一种基于对比学习方法的新策略，用于学习强大的点云表示。该方法通过改进特征分布，细化嵌入类内紧凑性和类间可分性。同时，通过混淆易感类别挖掘策略和熵感知注意模块来解决混淆问题和识别异常值和不稳定样本。实验证明该方法比现有技术表现更好，并实现了显著的性能提升。