实体
ScanObjectNN-C
ScanObjectNN-C
PulseAugur coverage of ScanObjectNN-C — every cluster mentioning ScanObjectNN-C across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
SATOR框架实现了无反向传播的3D测试时自适应
研究人员推出SATOR，一个用于将3D模型适应新数据分布的新框架，无需反向传播或多次前向传播。与依赖预定义令牌清除大小的先前方法不同，SATOR动态确定特定于样本的阈值和路由决策。该方法利用注意力和几何关系图来计算令牌异常分数，从而在各种3D基准测试中实现更高效、更准确的测试时自适应。
-
新框架增强3D模型对点云损坏的鲁棒性
研究人员开发了一个名为PSFT的新框架，以提高3D预训练模型在点云分类中对噪声和损坏点的鲁棒性。该方法自适应地选择有影响力的点以抑制异常值，并使用提示生成分支进行高效的下游适应。PSFT在ModelNet-C和ModelNet40-C等基准数据集上持续降低损坏误差，并在ScanObjectNN-C上取得了强劲的结果。
-
MAMVI 通过更快的推理速度增强 3D 点云自适应能力
研究人员开发了 MAMVI，一种新颖的 3D 测试时自适应方法，可显著提高点云模型在面对分布变化时的性能。与以往的顺序优化方法不同，MAMVI 采用统一的单步自适应，结合了混合掩码策略和多视图一致性。该方法不仅在 ShapeNet-C 和 ScanObjectNN-C 等基准测试中取得了最先进的准确率，还极大地降低了推理延迟，使其适用于实时应用。