预训练的 3D 点云模型的稳健微调

原文约300字，阅读约需1分钟。发表于：。

该论文提出了一种针对预训练的 3D 点云模型的鲁棒微调方法，以增强下游微调模型中的特征鲁棒性。通过权重空间集成和线性探测相结合的方法，该方法显著提高了下游微调模型在分布变化情况下的性能，同时在目标分布上保持高性能，以提高特征鲁棒性。将这种鲁棒微调方法应用于主流的 3D 点云预训练模型，并评估模型参数的质量和下游任务性能的降低。实验结果表明，WiSE-FT-LP 方法有效提升了模型的鲁棒性，有效平衡了下游任务性能和模型特征的鲁棒性，而不改变模型结构。

该论文提出了一种针对预训练的3D点云模型的鲁棒微调方法，通过权重空间集成和线性探测相结合的方法，提高了下游微调模型的性能和特征鲁棒性。实验证明该方法有效提升了模型的鲁棒性，而不改变模型结构。