StarMap لتقدير النقاط الرئيسية والزاوية بدون تمييز بين الفئات

النقاط الرئيسية الدلالية تقدم تجريدات مختصرة لمجموعة متنوعة من مهام الفهم البصري. الطرق الحالية تعين النقاط الرئيسية الدلالية بشكل منفصل لكل فئة مع عدد ثابت من العلامات الدلالية في مؤشرات ثابتة. نتيجة لذلك، يكون هذا التمثيل للنقاط الرئيسية غير قابل للتطبيق عندما يكون للأجسام عدد متغير من الأجزاء، مثل الكراسي ذات عدد أرجل مختلف. نقترح تمثيلاً للنقاط الرئيسية لا يعتمد على الفئات، والذي يجمع بين خريطة حرارية متعددة القمم (StarMap) لجميع النقاط الرئيسية وخصائصها كمواقع ثلاثية الأبعاد في وجهة النظر المعيارية (CanViewFeature) المحددة لكل حالة. حدسنا هو أن مواقع النقاط الرئيسية الثلاثية الأبعاد في وجهات النظر المعيارية للأجسام تحتوي على معلومات دلالية وتراكيب غنية. باستخدام تمثيلنا المرن، نظهر أداءً تنافسيًا في اكتشاف وتوضيح النقاط الرئيسية مقارنة بالطرق الرائدة التي تعتمد على الفئات. علاوة على ذلك، نوضح أن عند إضافة قناة عمق إضافية (DepthMap) لرفع النقاط الرئيسية ثنائية الأبعاد إلى ثلاثة أبعاد، يمكن لتمثيلنا تحقيق نتائج رائدة في تقدير وجهة النظر. وأخيراً، نوضح أن تمثيلنا للنقاط الرئيسية الذي لا يعتمد على الفئات يمكن تعميمه على فئات جديدة.