【三维点云分割】——个人学习总结 Contrastive Boundary Learning for Point Cloud Segmentation

目录

目录

1. 本文工作：

2. 网络模型

2.1 什么是对比学习

2.2 点云中的对比学习如何工作？

（1）数据增强：

（2）编码

（3）损失最小化（组会ppt截图）

3. 实验结果

3.1  边界问题

3.2 性能对比

4. 总结：

4.1 优点：

4.2 缺点：

---

---

1. 本文工作：

        目前的三维点云分割方法对场景边界的分割效果较差，导致整体分割性能下降。文中主要研究场景边界的分割。因此，文中首先设计指标来评估分割性能的场景边界。针对边界分割性能不理想的问题，文中提出了一种新的对比边界学习(CBL)框架用于点云分割。

2. 网络模型

2.1 什么是对比学习

        （原文链接：对比学习（contrastive learning）_Cziun的博客-优快云博客）

2.2 点云中的对比学习如何工作？

（1）数据增强：

        对于图像而言，数据集中的每个图像，我们可以执行两种增强组合（即裁剪 + 调整大小 + 重