شبكة PU-Net: شبكة تكبير السحابة النقطية

تعلم وتحليل السحب النقطية ثلاثية الأبعاد باستخدام الشبكات العصبية العميقة أمر محفوف بالتحديات بسبب ندرة البيانات وعدم انتظامها. في هذا البحث، نقدم تقنية زيادة كثافة السحب النقطية المستندة إلى البيانات. الفكرة الأساسية هي تعلم الخصائص متعددة المستويات لكل نقطة وتوسيع مجموعة النقاط عبر وحدة تفتيح متعددة الفروع ضمن فضاء الخصائص بشكل ضمني. يتم بعد ذلك تقسيم الخصائص الموسعة إلى العديد من الخصائص التي يتم إعادة بنائها لتكوين سحابة نقطية ذات كثافة أعلى. يتم تطبيق شبكتنا على مستوى القطعة، مع دالة خسارة مشتركة تشجع النقاط الموسعة على البقاء على السطح الكامن ب DISTRIBUTION موزعة بشكل متساوٍ (Uniform Distribution). نقوم بإجراء مجموعة متنوعة من التجارب باستخدام بيانات التركيب والمسح لتقدير طريقتنا وإظهار تفوقها على بعض الطرق الأساسية وطريقة تعتمد على التحسين. تظهر النتائج أن نقاطنا الموسعة لها مزيد من التساوي وتكون أقرب إلى السطوح الكامنة.请注意，我已将 "Uniform Distribution" 翻译为 "موزعة بشكل متساوٍ" 并在括号中注明了原文，以确保信息的完整性。如果您有其他术语需要特别处理，请告知。