基于联合学习及层次化自蒸馏的稀疏点云理解方法

本发明涉及一种基于联合学习及层次化自蒸馏的稀疏点云理解方法，属于计算机视觉和图形学技术领域。本发明与现有方法的对比，加入了一个即插即用的层次化自蒸馏(HSD)框架旨在最大化来自多个覆盖尺度的互信息，并将最深层次的超空间中最独特的隐式特征传递给其他尺度，不同尺度中系列的最后一层分类器被指定为教师网络(最深层)，以监督此前网络层中的分类器，从而将重要知识传递到不同的超空间。本发明强调联合学习，同时利用MAE和HSD来协调上下游网络中的参数分布，从而同时增强在重建和理解任务上的性能表现。