该文章提出了一个统一的点云视频自监督学习框架，用于处理面向对象和面向场景的数据。通过对比学习和超点的语义对齐，该方法能够捕捉到细粒度语义，并解决动态点云时间维度的高冗余性问题。实验证明该方法在各种下游任务上优于有监督对应方法，并具有卓越的可迁移性。

本文介绍了一种名为CrossVideo的新方法，用于增强点云视频理解领域的自监督跨模态对比学习。通过利用点云视频和图像视频之间的跨模态关系获取有意义的特征表示，解决了数据稀缺和标签获取困难的问题。该方法明显超过了先前的最先进方法，并进行了全面的消融研究来验证设计的有效性。

该文章介绍了一个点云视频自监督学习框架，通过预训练任务提高表示能力，并解决了动态点云时间维度的高冗余性问题。实验证明该方法在下游任务上优于有监督对应方法，具有可迁移性。