شبكات العصبي المتشابكة النقاطية بواسطة مشغلي التمديد

يقدم هذا البحث شبكات العصبونات المُحوَّلة النقاطية (Point Convolutional Neural Networks - PCNN): إطارًا جديدًا لتطبيق شبكات العصبونات المُحوَّلة على السحب النقاطية. يتكون الإطار من عمليتين: التوسيع والتقيد، حيث يتم تحويل دوال السحابة النقاطية إلى دوال حجمية وأيضًا العكس. يتم تعريف الالتفاف على السحابة النقاطية عن طريق استرجاع الالتفاف الحجمي الأوراقي عبر آلية التوسيع-التقيد. يعتبر الالتفاف على السحابة النقاطية فعالًا من الناحية الحسابية، ثابتًا بالنسبة لترتيب النقاط في السحابة النقاطية، مقاومًا للعينات المختلفة وكثافاتها المتغيرة، وثابتًا بالنسبة للترجمة، بمعنى أن نفس نواة الالتفاف تُستخدم في جميع النقاط. يعمم PCNN شبكات العصبونات المُحوَّلة للصور ويسمح بتكيف هياكلها بسهولة مع إعدادات السحب النقاطية. أظهر تقييم PCNN على ثلاثة معايير أساسية لتعلم السحب النقاطية تفوقه بشكل مقنع على طرق التعلم المنافسة للسحب النقاطية، وكذلك الغالبية العظمى من الطرق التي تعمل مع تمثيلات الشكل الأكثر معلومات مثل الأسطح والNormals (الأطراف).