DefRec_and_PCM:点云上域自适应的自我监督学习 源码

在点云上进行域自适应的自我监督学习 介绍 自我监督学习(SSL)可以从未标记的数据中学习有用的表示形式,并已有效地应用于图像的域自适应(DA)。 尚不知道是否以及如何利用它来进行3D感知领域的适应。 在这里,我们描述了对点云上的DA的SSL的首次研究。 我们引入了一个新的借口任务系列,即“变形重构”,该变形任务是由模拟到真实转换中遇到的变形所激发的。 关键思想是使输入形状的区域变形并使用神经网络对其进行重构。 我们设计了三种类型的形状变形方法:(1)基于体积:基于输入空间中的接近度的形状变形; (2)基于特征的:使形状上形状相似的区域变形; (3)基于采样:基于三个简单采样方案的形状变形。 作为单独的贡献,我们还针对点云开发了一种基于混合训练过程的新方法。 对综合和真实家具数据的六个领域适应性进行的评估表明,与以前的工作相比有很大的改进。 使用说明 克隆仓库并安装 git clone ht