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&