3Dローカルの特徴の学習と分析は,モメンタムコントラストによるポイントクラウドのパーツをモメンタムコントラストで分析します

科学分野:

• コンピュータビジョン コンピュータビジョン
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
• 3Dデータ分析 3Dデータ分析

背景:

• 自己監督対照学習は,ラベル付きのデータなしで視覚的表現学習に優れています.
• 現在の3Dローカル機能学習方法は,現実世界のシナリオにおける部分的なオブジェクト認識の課題をしばしば無視しています.

研究 の 目的:

• ポイントクラウド地域からの差別的な3Dローカル機能学習のためのモメンタムコントラスティヴ・ラーニング・フレームワークを開発する.
• 3D局所特征抽出におけるコントラスティブ・ラーニングの未熟な応用,特に部分的な観測について取り組む.

主な方法:

• MoCo (モメンタム・コントラスティヴ・ラーニング) アーキテクチャをPointNet++を機能のバックボーンとして採用しました.
• コントラスティヴ・ラーニングの基本単位としてローカル・ポイント・クラウドの部分を扱った.
• 強固な機能学習のためのランダム・ドロップアウトや翻訳などの拡張戦略を採用した.

主要な成果:

• 提案された方法は,ポイントクラウドの領域から移転可能な局所特性を効果的に学習します.
• オブジェクトのローカル部分の約30%が,シミュレートされたオクラージュの下で効果的な学習のための実用的な値であることを実証しました.
• 訓練時間の16%の削減で,下流の分類の精度に匹敵するレベルを達成しました.

結論:

• モメンタム対比学習フレームワークは,ポイントクラウドからの3Dローカル機能学習,特に部分的なオブジェクトの学習に有効です.
• 発見は,遮断された3Dデータから学習するための実用的な値についての洞察を提供します.
• この方法は,3D知覚のタスクのための強力な局所特性を学習するための効率的なアプローチを提供します.