HyperCL：仅用语言学3D形状表示
热点事件观察中
HyperCL：仅用语言学3D形状表示
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出 HyperCL（双曲对比学习），仅从语言学习可迁移的 3D 形状表示，不再依赖渲染图像监督。该方法将 3D 表示嵌入双曲空间，并施加“语言蕴含 3D 形状”的偏序关系，联合优化双曲测地线对比目标与蕴含损失。 在相同参数预算下，HyperCL 在 3D 形状分类上最高提升 4.6 个百分点，在文本到 3D 检索上提升 5.5 个百分点。作者称代码与评测基准将公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
HyperCL：用双曲对比学习从语言学习 3D 形状表示报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AIHyperCL：用双曲对比学习从语言学习 3D 形状表示
针对多模态 3D 预训练中渲染图像监督不可靠的问题，研究者提出 Hyperbolic Contrastive Learning（HyperCL），仅从语言学习可迁移的 3D 表示，将 3D 表示嵌入双曲空间并施加"语言蕴含 3D 形状"的偏序关系。在相同参数预算下，该方法在 3D 形状分类上最高提升 4.6 个百分点，跨模态文本到 3D 检索提升 5.5 个百分点，代码与评测基准将公开。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 510月16日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。