Tag · 2 篇
点云分类
01 02
面向预训练点云模型的低秩测试时训练
Low-Rank Test-Time Training for Pre-Trained Point Cloud Models
把测试时训练从解码器式辅助目标改为特征层面的掩码一致性对齐，并用 LoRA 低秩单元实现参数高效的自适应，可直接迁移到其他预训练视觉骨干（如点云/图像 Transformer）的 OOD 自适应场景。
好也可能变坏：一种通过灵活各向同性重采样对3D点云分类器实施的统一攻击
Good Can Sometimes be Bad: A Unified Attack against 3D Point Cloud Classifier by a Flexible Isotropic Resampling
提出用表面近似与射线采样的各向同性重采样统一实现对抗攻击与后门攻击，并把「提升被攻击点云质量」作为隐蔽性手段，为点云分类器的安全评测提供了可复用的攻击范式与新的隐蔽性评价视角。