提出缩小SFC邻域间隙的损失函数

2026年10月15日，arXiv Computer Vision 报道了一项研究：针对空间填充曲线（SFC）近邻搜索中曲线邻近关系与原始欧氏空间邻近关系存在差距的问题，研究者提出一种损失函数，通过计算SFC上相邻点之间的距离，训练模型优化在原始3D空间中相距较远的点对之间的特征相似度。该研究由 Konan Sasaki、Junya Komori、Kazuhiro Hotta 完成，论文称该方法可减小这一差距带来的影响。该方法被集成到高性能3D点云分割模型中，并在三个数据集上评估，报道称其在室内和室外点云数据集上均优于传统方法。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

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。