无需3D扫描，从视频中学习3D表示

本文解决了为自监督学习获取大规模3D数据的挑战。它提出了一种新方法LAM3C，利用来自未标记视频的视频生成点云，从而避免了昂贵的3D扫描。RoomTours数据集的创建和噪声正则化损失是关键贡献。结果优于之前的自监督方法，突出了视频作为3D学习丰富数据源的潜力。

• •提出了LAM3C，一个用于从视频生成点云进行3D学习的自监督框架。
• •介绍了RoomTours，一个视频生成点云数据集。
• •采用噪声正则化损失来改善表示学习。
• •在不使用真实3D扫描的情况下，在室内分割任务上实现了最先进的性能。