Contrastive Metric Learning for Point Cloud Segmentation in Highly Granular Detectors
Die Studie stellt eine neue Methode zur Segmentierung von Punktwolken in hochgranularen Detektoren vor, die auf überwachtem kontrastivem metrischem Lernen basiert und durch eine stabilere Einbettungsgeometrie sowie eine bessere Trennung überlappender Teilchenschauer im Vergleich zu bestehenden Ansätzen wie Object Condensation eine höhere Rekonstruktionseffizienz und Energieauflösung erreicht.