对比度量学习提升点云分割聚类性能

研究提出一种基于监督对比度量学习（CML）的点云分割聚类方法：通过学习隐空间表示，使同一物体内的点嵌入相近、无关点分离，再用密度读出重建簇。 在高粒度量能器模拟数据上，CML 与 object condensation（OC）在相同图神经网络骨干和等潜维度下对比，对电磁和强子簇产生更稳定可分的嵌入几何，在高多重数区间提升重建效率与纯度并改善能量分辨率；而在混合粒子环境中，OC 性能显著退化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。