arXiv 机器学习· Jongann Lee, Sun Woo Park, Yun Young Choi·· 8 小时前AI 评分34
SIEVE：克服等变自监督学习中的拓扑阻碍
SIEVE: Overcoming Topological Obstruction in Equivariant Self-Supervised Learning
AI 导读
研究人员提出 SE(3) 等变自监督框架 SIEVE，解决了 3D 点云掩码自编码与 SE(3) 等变网络之间的拓扑不兼容问题。该方法通过核心的球面投影掩码在混淆局部语义的同时保留全局姿态，将点云几何压缩为不变量标量嵌入，避免了标准掩码导致的拓扑塌缩。实验表明，所得嵌入在下游点云任务中优于基于坐标的基准和手工几何描述子，并在未见形状类别上展现出更强的泛化能力。
来源：arXiv 机器学习 · arxiv.org