对比度量学习用于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，不直接预测聚类分配，而是让同一对象的点学习到相近的潜在嵌入，再用密度读出重建簇。 在高粒度量能器模拟数据上，研究在相同图神经网络骨干和隐藏维度下将CML与object condensation（OC）直接对比：CML对电磁与强子簇射给出更稳定可分的嵌入几何，在高多重数下重建效率、纯度和能量分辨率均优于OC；混合粒子环境中CML保持性能，而OC明显退化。

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。