CVPR 2024 | ETH Zurich等团队：重新定义小样本3D分割任务，新基准开启广阔提升潜力

文章预览

本文确定了当前小样本3D分割任务setting中的两个关键问题，改正并引入了全新的标准化setting以及评价benchmark。文中还提出了新的correlation优化范式以及相应的模型COSeg，在所有3D few-shot任务上实现了最佳的性能。 论文标题： Rethinking Few-shot 3D Point Cloud Semantic Segmentation  论文链接: https://arxiv.org/abs/2403.00592   源码链接:  https://github.com/ZhaochongAn/COSeg 3D Few-shot分割结果示例 一、技术背景 3D场景理解在自动驾驶、智能机器人等领域扮演着至关重要的角色，它使设备能够感知并理解周围的三维世界。尽管传统的全监督学习模型在特定类别的识别上表现出色，但这些模型通常只限于识别这些预定义的类别。这就意味着，每当需要识别新的对象类别时，就必须收集大量的3D场景数据并进行详细标注，这一过程不仅耗时耗力，还极大限制了全监督模型在真实世界中 ………………………………