基于对比度量学习的高粒度探测器点云分割

研究提出基于监督对比度量学习（CML）的点云分割聚类方法，不直接预测簇分配，而是学习同一物体点相互靠近的隐空间表示，再用密度读出重建簇。在模拟高粒度量能器数据上，CML 与 object condensation（OC）在相同图神经网络骨干和相同隐维度下对比，对电磁与强子簇射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，混合粒子环境下性能保持稳定而 OC 明显退化。