BriefGPT - AI 论文速递
·
局部形状匹配的虫洞损失
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于对比学习的局部外在对称性检测方法，能够提取鲁棒的局部形状特征，并在多个任务中表现优异。我们引入了新的基准测试，并结合区域增长算法实现3D形状的划分。
🎯
关键要点
- 提出了一种基于对比学习的局部外在对称性检测方法。
- 该方法能够提取鲁棒的局部形状特征，并在多个任务中表现优异。
- 对称性检测对于3D几何完成、分割、压缩和结构感知形状编码或生成等下游任务至关重要。
- 通过对比学习学习旋转、反射、平移和尺度不变的局部形状特征。
- 方法在多个类别和不同数据集上具有鲁棒性和泛化性。
- 引入新的基准测试以评估局部外在对称性检测方法。
- 结合区域增长算法实现3D形状的划分。
- 首次提出自监督数据驱动的局部外在对称性检测方法。
➡️
