CVPR2023 | 最新 3D 表征自监督学习+对比学习：FAC

图0

• 论文题目：《FAC: 3D Representation Learning via Foreground Aware Feature Contrast》

• 作者机构：Nanyang Technological University（南洋理工大学）

• 项目主页：https://github.com/KangchengLiu/FAC_Foreground_Aware_Contrast （基于 PyTorch ）

在公众号「3D视觉工坊」后台回复「原论文」，可获取对应论文pdf文件。

对比学习，最近在 3D 场景理解任务中展示了无监督预训练的巨大潜力。该作者提出了一个通用的前景感知特征对比 (FAC) 框架， 一种用于大规模 3D 预训练的前景感知特征对比框架。FAC 由两个新颖的对比设计组成，以构建更有效和信息丰富的对比对。构建区域级对比，以增强学习表征中的局部连贯性和更好的前景意识。设计了一个孪生对应框架，可以定位匹配良好的键，以自适应增强视图内和视图间特征相关性，并增强前景-背景区分。

对多个公共基准的广泛实验表明&