一种自上而下采样的多尺度点云预训练方法、设备及介质

本发明公开了一种自上而下采样的多尺度点云预训练方法、设备及介质。所述方法通过U‑Net式的不对称编码器‑解码器架构，结合多尺度掩码，增强了点云数据的局部特征和全局信息的提取能力。该方法首先对输入点云数据进行多尺度划分和掩码处理，随后通过编码器提取多尺度特征，并利用解码器对被掩码的点云区域进行重建，通过线性投影层恢复被掩码的局部点云块。本发明有效避免了现有技术中多尺度信息泄露的问题，提升了点云数据处理的精度。通过自监督预训练后，模型在多个下游任务中均表现出优越的性能，特别是在3D形状分类、物体检测和部分分割等应用中。本发明具有较强的鲁棒性，具有广泛的应用前景。