تعلم مساحة خفية احتمالية لأشكال الأشياء عبر نمذجة مولدة متنافسة ثلاثية الأبعاد

ندرس مشكلة توليد الأجسام ثلاثية الأبعاد. نقترح إطارًا جديدًا، يُعرف بـ شبكة التوليد المضادة ثلاثية الأبعاد (3D-GAN)، والتي تولد الأجسام ثلاثية الأبعاد من مساحة احتمالية باستخدام التقدم الحديث في شبكات الالتفاف الحجمي وشبكات التوليد المضادة. فوائد نموذجنا متعددة على ثلاثة أصعدة: أولاً، استخدام معيار مضاد بدلاً من المعايير التقليدية التجريبية يمكّن المولد من التقاط بنية الجسم ضمنياً وإنتاج أجسام ثلاثية أبعاد ذات جودة عالية؛ ثانياً، يقوم المولد بإنشاء خريطة من مساحة احتمالية ذات بُعد منخفض إلى مساحة الأجسام ثلاثية الأبعاد، مما يتيح لنا عينة الأجسام دون صورة مرجعية أو نماذج CAD، واستكشاف المنظور الثلاثي للأجسام؛ ثالثاً، يوفر المميز المضاد وصفة قوية للأشكال ثلاثية الأبعاد، والتي تم تعلمها بدون إشراف وتتمتع بتطبيقات واسعة في التعرف على الأجسام ثلاثية الأبعاد. تظهر التجارب أن طريقتنا تنتج أجسامًا ثلاثية أبعاد ذات جودة عالية، وأن الخصائص التي تم تعلمها بدون إشراف لدينا حققت أداءً مثيرًا للإعجاب في التعرف على الأجسام ثلاثية الأبعاد، يمكن مقارنته بأداء طرق التعلم بالإشراف.