Is Contrastive Distillation Enough for Learning Comprehensive 3D Representations?
对比蒸馏是否足以学习全面的3D表示？
机构 * School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China（上海大学机械与自动化工程学院） ； Department of Computer Science, City University of Hong Kong, Hong Kong SAR, China（香港城市大学计算机科学系）
AI总结 本文提出CMCR框架，通过整合模态共享和特定特征，改进传统方法，引入掩码图像建模和占用估计任务，提升3D表示学习效果。
Comments Accepted to IJCV 2026
