CVPR 24｜ETH Zurich等團隊：重新定義小樣本3D分割任務，新基準開啟廣闊提升潛力！

AIGC動態(tài)歡迎閱讀

原標題：CVPR 24｜ETH Zurich等團隊：重新定義小樣本3D分割任務，新基準開啟廣闊提升潛力！
關鍵字：模型,類別,前景,任務,場景
文章來源：機器之心
內容字數(shù)：0字

內容摘要：

AIxiv專欄是機器之心發(fā)布學術、技術內容的欄目。過去數(shù)年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業(yè)的頂級實驗室，有效促進了學術交流與傳播。如果您有優(yōu)秀的工作想要分享，歡迎投稿或者聯(lián)系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com該文章的第一作者安照崇，目前在哥本哈根大學攻讀博士學位，導師為Serge Belongie。他碩士畢業(yè)于蘇黎世聯(lián)邦理工學院（ETH Zurich），在碩士期間，他在導師Luc Van Gool的實驗室中參與了多個研究項目。他的主要研究方向包括場景理解、小樣本學習以及多模態(tài)學習。
3D場景理解讓人形機器人「看得見」周身場景，使汽車自動駕駛功能能夠實時感知行駛過程中可能出現(xiàn)的情形，從而做出更加智能化的行為和反應。而這一切需要大量3D場景的詳細標注，從而急劇提升時間成本和資源投入。?????????????????????????
最近，??ETH Zurich等團隊提出了一種Few-shot學習方法，大大改善了這一局限性，并重新審視了目前的FS-PCS任務，在3D

原文鏈接：CVPR 24｜ETH Zurich等團隊：重新定義小樣本3D分割任務，新基準開啟廣闊提升潛力！

聯(lián)系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務平臺