Key Point Identification in Deep Learning-Based 3D Semantic Segmentation

doi:10.1007/s41064-026-00387-w

Key Point Identification in Deep Learning-Based 3D Semantic Segmentation

2026-03-01

0

PRE

AI

F

Ferrandon Cervantes, Mariana *

R

Reiterer, Alexander

DOI：10.1007/s41064-026-00387-w

原文链接

原文求助

摘要

En 中文

基于3D深度学习模型的提出已用于协助现有基础设施的数字化过程。尽管它们在处理大量数据方面表现出色，但关于解释其执行过程而非改进其结果的研究却很少。为进一步表征这些模型的执行过程，本研究旨在识别在3D语义分割背景下对给定模型决策贡献最大的输入部分。考虑到3D数据的固有特性及现有的基本表征技术，我们探索了将模型预测信号反向传播回输入的规则变化。在定性方面，我们发现所实施的技术指向了随模型架构而变化的习得模式。我们表明，生成的解释也可用于识别否则仅分析模型预测时会忽略的虚假习得模式。我们的结果随后为3D解释技术的进一步研究提供了基准比较。

Keyword:

Point clouds

Explainable

Segmentation

Deep-learning

Key Point Identification in Deep Learning-Based 3D Semantic Segmentation

摘要

期刊

机构