摘要

本文倡导在自监督3D表示学习中使用隐式表面表示。最常见的3D表示形式，即点云，涉及对底层连续3D表面的离散采样。这一离散化过程在3D形状上引入了采样变化，使得开发可迁移的真实3D几何知识变得困难。在标准的自动编码器范式中，编码器不仅需要对3D几何进行编码，还需要对特定的3D形状离散采样信息进行编码，以生成潜在代码。这是因为除非原始点云和重建点云之间存在完美的映射关系，否则解码器重建的点云会被认为是不可接受的。本文介绍了隐式自动编码器（Implicit AutoEncoder, IAE），这是一种简单而有效的方法，通过用隐式解码器替代常用的点云解码器来解决采样变化问题。隐式解码器重建了一个连续的3D形状表示，独立于离散样本中的不完美之处。大量实验表明，所提出的IAE在各种自监督学习基准测试中均达到了最先进的性能。