PointGST：点云分析精度卷到99%了，还只用了2M训练参数

文章预览

↑ 点击 蓝字  关注极市平台 作者丨极市粉丝 编辑丨极市平台 极市导读   本文提出了一种全新的点云参数高效微调算法—PointGST，在极大地降低微调训练开销的同时，还展现出了优异的性能。仅凭 2M 可训练参数（仅为此前 SOTA 方法的 0.6%），PointGST 在多个点云分析数据集上均取得了 SOTA 结果，并首次在 ScanObjectNN OBJ_BG 数据集上实现了超过 99% 的准确率，几乎宣告了该数据集的性能达到了饱和。  >> 加入极市CV技术交流群，走在计算机视觉的最前沿 近年来，点云分析技术在自动驾驶、虚拟现实、三维重建等领域得到了广泛应用。尽管点云预训练模型展现出了优越的性能，但随着模型参数量的急剧增加，对其进行微调的内存和存储开销也同步增加。为了缓解这一问题，本文提出了一种全新的点云参数高效微调算法——PointGST，在极大地降低微调训练开 ………………………………