一种基于截断拼接的多模态跨类别伪样本构造方法

多模态跨类别伪样本作为一种数据增强方法在深度学习的模型预训练中具有重要作用，但现有大多数方法局限于二维图像和一维文本，因而限制了其更广泛的应用。本发明提出了一种以三维点云稀疏数据结构作为基准的新型伪类别生成方法，该方法将属于两个或多个类别的对象的不同组件组合以生成伪样本，其中，每个伪类别由使用多个相同类别的对象生成的伪样本组成，本发明期望以此方式生成的伪类别扩展三维点云的学习内容空间。在此基础上，利用将原始三维点云样本进行“渲染——拼接”生成伪三维点云样本的二维图像，并利用大语言模型生成伪类别的描述信息，最终形成“三维点云、二维图像、一维文本”的多模态跨类别伪样本。本发明将这些多模态跨类别伪样本被用于训练三维点云小样本类增量任务下的特征提取器，以此进行三维点云小样本类增量学习。