ContrastCAD：基于对比学习的计算机辅助设计模型表示学习
原文中文，约500字，阅读约需2分钟。发表于：。提出了一种名为 ContrastCAD 的新型对比学习方法，能够有效地捕捉 CAD 模型构造序列中的语义信息。实验证明，该方法在训练不平衡的 CAD 数据集时，通过提出的 CAD 数据增强方法 RRE 显著增强了 Transformer-based 自编码器的学习表现，并且对于具有非常长的构造序列的复杂 CAD 模型也能够表现出鲁棒性。
本文介绍了一种名为Model2Scene的新方法，通过学习CAD模型和语言中的三维场景表示，解决了CAD模型与真实场景对象之间的领域差异。该方法通过混合数据增强的CAD模型模拟拥挤的场景，并使用深凸包正则化操作减小领域差距。实验证实该方法在无标签三维物体显著目标检测、标签高效三维场景感知和零样本三维语义分割等任务中具有益处。
