English(EN) 3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning

新的自监督模型学习可解释的三维物体表示

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-19 04:00

研究人员开发了3D-DLP，一种自监督模型，可从三维场景数据中学习物体中心表示。该模型将观测分解为不同的潜在粒子，每个粒子编码位置、尺寸和外观等属性。学习到的表示是可解释和可控的，能够生成新的场景配置并提高下游机器人操作任务的性能。 AI

影响实现更具可解释性和可控性的三维场景理解，可能改进机器人操作。

排序理由该集群包含一篇详细介绍新型自监督学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ellina Zhang, Madhaven Iyengar, Amir Zadeh, Chuan Li, Deepak Pathak, David Held, Tal Daniel · 2026-06-19 04:00

3D-DLP: Self-Supervised 3D Object-Centric Scene Representation Learning

arXiv:2606.19451v1 Announce Type: new Abstract: We introduce 3D-DLP, a self-supervised object-centric representation learning model that decomposes scene-level RGB-D or voxel observations into a set of 3D latent particles. Building on the Deep Latent Particles (DLP) framework, ea…