FoldingNet: مُشفِّر النقطة السحابية عبر تشوُّه الشبكة العميقة

الشبكات العميقة الحديثة التي تتعامل مباشرة مع النقاط في مجموعة نقاط، مثل PointNet، قد أصبحت رائدة في مهام التعلم الإشرافي على السحب النقطية مثل التصنيف والتقسيم. في هذا العمل، تم اقتراح مُشفِّر تلقائي عميق جديد من البداية إلى النهاية لمعالجة تحديات التعلم غير الإشرافي على السحب النقطية. على جانب المُشفر (الكودر)، يتم فرض تعزيز مستند إلى الرسم البياني لتعزيز الهياكل المحلية فوق PointNet. ثم، يتم تشويه شبكة ثنائية الأبعاد قياسية إلى سطح الجسم ثلاثي الأبعاد الكامن وراء سحابة النقاط بواسطة مُفكِّر (الديكودر) جديد يستند إلى الطي، مما يحقق أخطاء إعادة بناء منخفضة حتى للأجسام ذات الهياكل الدقيقة. يُستخدم المُفكِّر المقترح فقط حوالي 7٪ من معلمات مُفكِّر يعتمد على الشبكات العصبية المتصلة بالكامل، ومع ذلك يؤدي إلى تمثيل أكثر تمييزًا يحقق دقة تصنيف أعلى باستخدام آلة المتجهات الداعمة الخطية (Linear SVM) مقارنة بالمعيار. بالإضافة إلى ذلك، أظهرت النظرية أن هيكل المُفكِّر المقترح هو هندسة عامة قادرة على إعادة بناء أي سحابة نقطية من شبكة ثنائية الأبعاد. يمكن الوصول إلى شفرتنا البرمجية عبر الرابط http://www.merl.com/research/license#FoldingNet