【新加破南洋理工】点云的无监督表示学习综述，Unsupervised Representation Learning for Point Clouds: A Survey

点云数据在各种不利条件下具有较高的准确性和鲁棒性，因此得到了广泛的研究。与此同时，深度神经网络(DNN)在监控、自动驾驶等应用领域取得了令人瞩目的成功。点云和DNN的融合产生了许多深度点云模型，这些模型主要是在大规模和密集标记的点云数据的监督下训练的。无监督点云表示学习旨在从无标记点云数据中学习一般和有用的点云表示，由于大规模点云标记的约束，近年来受到越来越多的关注。本文对使用DNN的无监督点云表示学习进行了全面的综述。首先介绍了近年来研究的动机、常用途径和术语。相关背景包括广泛采用的点云数据集和DNN架构，然后简要介绍。接下来是根据其技术方法对现有的无监督点云表示学习方法的广泛讨论。我们也定量的基准和讨论的方法，在多个广泛采用的点云数据集。最后，我们对未来无监督点云表示学习研究中可能面临的几个挑战和问题提出了自己的看法。