- 博客(2)
- 收藏
- 关注
原创 【论文阅读之点云Mixup的应用】PointCutMix: Regularization Strategy for Point Cloud Classification
灵感:Mixup方法在图像很成功,受CutMixup、PointMixup启发,提出对点云局部的裁剪和粘贴问题:由于点云的不规则性,无法像图像像素对齐PointMixup在混合时丢失了局部语义信息方法:采用EMD将目标点云一一对应提出了两种替换策略PointCutMix-R和PointCutMix-K在本文中,我们提出了一种简单有效的点云数据增强方法,名为 PointCutMix,以缓解这些问题。它找到两个点云之间的最佳分配,并通过用最佳分配对替换一个样本中的点来生成新的训练数据。
2023-06-09 15:30:38
432
1
原创 【无标题】
本文提出了一个无监督表示学习:Prototypical Contrastive Learning (PCL)模型,该模型解决了逐实例(instance wise)对比学习的基本缺陷。PCL不仅可以为实力判别任务学习低层(low level)特征,更重要的是它可以encode数据的语义结构到embedding space中原形(prototype):一组语义相似的实例的代表性编码(representative embedding)...
2022-08-08 21:58:20
1025
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人