شبكة توليد مجموعة نقاط لإعادة بناء الأشياء ثلاثية الأبعاد من صورة واحدة

جذب إنشاء البيانات ثلاثية الأبعاد باستخدام الشبكات العصبية العميقة اهتمامًا متزايدًا في المجتمع البحثي. ومع ذلك، فإن معظم الأعمال الحالية تعتمد على تمثيلات منتظمة مثل شبكات حجمية أو مجموعات من الصور، مما يخفي الثبات الطبيعي للأشكال ثلاثية الأبعاد تحت التحويلات الهندسية ويعاني أيضًا من عدد من المشكلات الأخرى. في هذا البحث، نتناول مشكلة إعادة بناء الشكل الثلاثي الأبعاد من صورة واحدة، بإنتاج شكل بسيط ومباشر للإخراج - إحداثيات السحابة النقطية (point cloud coordinates). مع هذه المشكلة تظهر مسألة فريدة ومثيرة للاهتمام، وهي أن الشكل الحقيقي المقابل لصورة الإدخال قد يكون غير واضح. دفعتنا هذه الطريقة الغير تقليدية للإخراج والغموض المتأصل في الشكل الحقيقي إلى تصميم هندسة ودالة خسارة ومنهجية تعلم جديدة وفعالة. الحل النهائي لدينا هو عينة أشكال مشروطة (conditional shape sampler)، قادرة على التنبؤ بعدة أشكال ثلاثية أبعاد محتملة من صورة واحدة. في التجارب، لا يمكن لنظامنا فقط أن يتفوق على أفضل الأساليب الحالية في مقاييس إعادة بناء الأشكال الثلاثية الأبعاد المستندة إلى صورة واحدة؛ بل إنه يظهر أيضًا أداءً قويًا لإكمال الأشكال الثلاثية الأبعاد وقدرة واعدة على إجراء عدة توقعات محتملة.