Invaria：通过下一分辨率预测学习点云中的尺度与密度不变性

Chun-Peng Chang, Shaoxiang Wang, Alain Pagani, Dariu Gavrila, Holger Caesar

2026

摘要

该论文提出了一种名为Invaria的点云编码器，通过下一分辨率预测和感受野校准实现尺度与密度不变性，解决了现有模型对采样分辨率和尺度变化敏感的问题。实验表明，该方法在ScanNet数据集上实现了56.0%的mIoU提升，显著增强了机器人感知的泛化能力。

point cloudscale invariancedensity invariancenext-resolution predictionrobotics perception

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026

PERCEPTION

📊 0 引用

Shuai Guo, Yongchao Yang, Lifeng Zhang 等 5 位作者

Neural Networks · 2026