Feb, 2025

基于复杂方向学习的旋转自适应点云领域泛化

TL;DR本研究解决了3D点云分析在面对不可预测旋转时的脆弱性,提出了一种旋转自适应的领域泛化框架。通过优化复杂方向样本并结合方向一致性损失和边界分离损失,该方法显著提升了分类特征的可泛化性和旋转一致性,实验结果展示了其在3D跨领域基准上的先进性能。