不用encoder也能重建点云？PCP-MAE：基于中心预测的点云MAE自监督新框架（NeurIPS'24 Spotlight）

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 引言 点云被广泛用于表示3D信息，可以表达丰富的几何信息。多功能性使得它们在各种应用场景中得到了广泛采用，包括自动驾驶、机器人技术和元宇宙。在点云理解的早期发展阶段，有许多相关工作提出来增强网络对点云的理解能力，其中网络通常需要从头开始进行有监督训练。然而，与2D视觉和NLP中的数据相比，点云数据更难注释，因为人工对点云分类更加困难。这导致了3D领域中出现了所谓的“数据荒漠”现象，限制了这些有监督方法的发展。最近，研究者们提出了许多自监督学习方法来缓解“数据荒漠”带来的负面影响， 其中以Point-MAE为代表的Generative自监督学习范式最近发展迅速。Point-MAE是3D自监督学习领域十分重要的一项工作， ………………………………