在点云上进行域自适应的自我监督学习 介绍 自我监督学习（SSL）可以从未标记的数据中学习有用的表示形式，并已有效地应用于图像的域自适应（DA）。 尚不知道是否以及如何利用它来进行3D感知领域的适应。 在这里，我们描述了对点云上的DA的SSL的首次研究。 我们引入了一个新的借口任务系列，即“变形重构”，该变形任务是由模拟到真实转换中遇到的变形所激发的。 关键思想是使输入形状的区域变形并使用神经网络对其进行重构。 我们设计了三种类型的形状变形方法：（1）基于体积：基于输入空间中的接近度的形状变形；