BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 当前三维场景感知方法依赖于大规模标注的点云，获取过程费时费力。
- 本文提出了Model2Scene，一种从CAD模型和语言中学习三维场景表示的新方法。
- 主要挑战是CAD模型与真实场景对象之间的领域差异。
- Model2Scene通过混合数据增强的CAD模型模拟拥挤场景。
- 提出深凸包正则化(DCR)操作，减小领域差距。
- 对CAD模型的语言嵌入和点特征进行对比损失的预训练，形成3D网络。
- 实验证实Model2Scene在无标签三维物体显著目标检测等任务中的益处。
- Model2Scene在ScanNet和S3DIS数据集上实现了46.08%和55.49%的平均mAP。
- 代码将公开提供。
➡️
