Jan, 2024

用蒸馏进行动态原型适应的小样本点云分割

PDF
TL;DR通过动态原型适应方法解决了少样本点云分割中的物体变异问题，并且在两个常用数据集上显著超越了最先进方法。
few-shot point cloud segmentationdynamic prototype adaptationobject variation problemprototype rectificationknowledge transfer
发现论文，激发创造
  • 基于样本原型适应和投影的少 / 零样本三维点云语义分割

    本文提出了 Query-Guided Prototype Adaption (QGPA) 模块并通过引入 Self-Reconstruction （SR）来增强原型的表示以适应点云的大内部类特征差异和极少量数据，最终在 S3DIS 和 ScanNet 基准测试中超越最先进的算法，其中还考虑到零样本的情况

    May, 2023

  • 少样本 3D 点云语义分割

    为了解决 3D 点云语义分割中数据有限和模型泛化性能差的问题，本文提出了一种基于注意力机制多突出物体的跨导语义分割方法，并在各种 Few-shot 点云语义分割场景下取得了显著的效果提升。

    Jun, 2020

  • 原型之外：分治代理器实现少样本分割

    该论文提出了一种名为 divide-and-conquer proxies（DCP）的简单而通用的框架，其中包含了自我推理方案，有效的遮蔽平均池化操作和并行解码器结构，旨在对给定手掌标注样本的未见类对象进行分割，且能够优于现有的原型学习方法（平均提升 5~10%），并取得了新的最先进成果。

    Apr, 2022

  • 基于点云语义分割的多到单知识蒸馏

    本文提出了一种基于多源知识蒸馏的 3D 点云语义分割方法，采用多到单的融合方式，通过实例感知亲和性蒸馏算法获取高级结构知识，实现对于难分类类别的提升。在 SemanticKITTI 数据集中实验证明，该方法在验证集和测试集上均显著优于基线方法。

    Apr, 2023

  • 弱监督点云分割的双重自适应转换

    提出一种基于 smoothness-based methods 的 DAT（Dual Adaptive Transformations）模型，通过在点级和区域级上执行对抗性策略，以强制实施 3D 点云的局部和结构光滑约束，从而有效地利用未标记的 3D 点，并在大规模数据集上取得了显著的性能提升，实现了无监督点云分割的新的最先进性能。

    Jul, 2022

  • 通过查询引导增强提升少样本 3D 点云分割

    通过适应支持原型和查询特征之间的语义差距，我们的方法在点云的少样本分割模型中取得显著改进，并维持高效性能。

    Aug, 2023

  • 基于点云到体素的知识蒸馏技术用于 LiDAR 语义分割

    本文提出了一种基于点到体素知识蒸馏的方法，通过将隐藏层的知识从点级别和体素级别进行转移，采用困难感知的采样策略和点 - 体素相似度蒸馏，提高了 LiDAR 语义分割任务中教师模型向学生模型的知识压缩效果，同时在两个流行的基准数据集上实现了优于现有方法的精度和速度。

    Jun, 2022

  • 面向真实世界干扰的点云识别的样本自适应增强

    在 3D 视觉领域，我们提出了一种基于样本结构的自适应转换方法，名为 AdaptPoint，用于处理潜在的破坏，通过包括预测变形参数和生成逐点蒙版在内的模拟破坏，并通过鉴别器防止生成过度破坏。实验结果表明，我们的方法在多个破坏评估中取得了最先进的结果。

    Sep, 2023

  • 动态原型卷积网络用于小样本语义分割

    针对 few-shot 语义分割的挑战，该论文提出了一种基于动态原型卷积网络 (DPCN) 的解决方案，其中动态卷积模块 (DCM) 从支持前景生成动态内核，而支持激活模块 (SAM) 和特征过滤模块 (FFM) 则一起为查询图像提供丰富的背景信息，实现了更准确的 few-shot 语义分割。DPCN 在 1-shot 和 5-shot 设置下均表现出优越性能。

    Apr, 2022

  • 基于组合语义混合的点云分割领域自适应

    通过语义和几何样本混合，该研究介绍了一种基于点云的无监督领域自适应技术，并采用合成到真实和真实到真实的情境，利用 LiDAR 数据集验证其在无监督和半监督设置中明显优于现有方法的性能。

    Aug, 2023