结合扩散模型的三维旋转等变自监督学习矢量网络.pdfVIP

第38卷摇第4期模式识别与人工智能Vol.38摇No.4

2025年4月PatternRecognitionandArtificialIntelligenceApr.摇2025

摇摇摇摇摇

摇摇摇摇摇

摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇

摇摇摇摇

摇摇摇摇摇

结结合扩散模型的

摇摇摇摇摇

摇摇摇摇摇

摇摇摇摇摇

三维旋转等变自监督学习矢量网络

摇

111

沈科迪摇摇赵杰煜摇摇谢摇敏

摘摇要摇现有的部分处理三维数据的网络缺乏旋转等变性,难以处理经过未知旋转后的三维物体并估计其姿态变

化.为了解决此问题,文中提出结合扩散模型的三维旋转等变自监督学习矢量网络,用于学习三维物体的旋转信

息,估计三维物体的姿态变化.对于等变矢量网络,使用矢量神经元将标量数据提升为矢量表示,利用自监督学习

的方式在无需标注数据的情况下学习三维目标的矢量信息,实现对三维数据的旋转重建和姿态变化估计.同时,针

对姿态估计结果局部偏差的问题,构建用于优化整体姿态变化估计结果的扩散模型,在局部姿态信息的加噪去噪

过程中,较好地去除局部姿态中的噪声,并使用去噪后的局部姿态信息优化整体姿态信息.实验表明,文中网络在

测试数据随机旋转时,能估计数据在三维空间中的姿态变化.提出的扩散模型在重组任务上也可通过局部姿态信

息优化整体姿态信息.

关键词摇三维点云,等变矢量网络,姿态变化估计,自监督学习,旋转等变性

引用格式摇沈科迪,赵杰煜,谢敏.结合扩散模型的三维旋转等变自监督学习矢量网络.模式识别与人工智能,

2025,38(4):310-324.

DOI摇10.16451/ki.issn1003鄄6059.202504002中图法分类号摇TP183

Three鄄DimensionalRotationEquivariantSelf鄄SupervisedLearning

VectorNetworkCombinedwithDiffusionModel

111

SHENKedi,ZHAOJieyu,XIEMin

ABSTRACT摇Somenetworksforprocessing3Ddatalackrotationequivarianceandh