计算机科学 > 计算机视觉与模式识别
[提交于 2025年7月13日
]
标题: 分层抽象使深度学习模型能够实现类人3D物体识别
标题: Hierarchical Abstraction Enables Human-Like 3D Object Recognition in Deep Learning Models
摘要: 人类和深度学习模型都可以从用稀疏视觉信息描绘的3D形状中识别物体,例如从3D物体表面随机采样的点集(称为点云)。 尽管深度学习模型在从3D形状中识别物体方面达到类似人类的性能,但尚不清楚这些模型是否发展出与人类视觉用于物体识别的3D形状表示相似的表示。 我们假设,使用3D形状进行训练可以使模型形成3D形状中局部几何结构的表示。 然而,它们对全局3D物体形状的表示可能是有限的。 我们系统地操纵点密度和物体方向(实验1),以及局部几何结构(实验2)进行了两项人类实验。 人类在所有实验条件下都表现良好。 我们比较了两种类型的深度学习模型,一种基于卷积神经网络(DGCNN),另一种基于视觉变压器(点变压器),并与人类表现进行比较。 我们发现,点变压器模型比基于卷积的模型更能解释人类表现。 这种优势主要来自于点变压器模型中的机制,该机制支持3D形状的层次抽象。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.