摘要

三维场景理解的快速发展带来了对数据日益增长的需求；然而，收集和标注三维场景（如点云）却始终是一项极具挑战性的任务。例如，能够访问并扫描的场景（如室内房间）数量可能有限；即便数据充足，获取三维标签（如实例掩码）仍需大量人工投入。本文探讨了面向三维点云的数据高效学习方法。作为该方向的初步探索，我们提出了一种名为“对比场景上下文”（Contrastive Scene Contexts）的三维预训练方法，该方法同时利用点级对应关系与场景中的空间上下文信息。在一系列训练数据或标签稀缺的基准测试中，该方法取得了当前最优的性能表现。研究结果表明，对三维点云进行详尽标注可能并非必要。尤为显著的是，在ScanNet数据集上，仅使用0.1%的点级标签，我们的方法仍能达到基准模型全标注性能的89%（实例分割）和96%（语义分割）。