PPF-FoldNet: التعلم غير المشرف للوصفاء المحلية ثلاثية الأبعاد الدوارة بشكل ثابت

نقدم PPF-FoldNet لتعلم وصفات ثلاثية الأبعاد محلية بطريقة غير مراقبة على الهندسة الهندسية للسحابة النقاط الخالصة. استنادًا إلى الترميز الذاتي القائم على الطي لمجموعات النقاط المعروفة جيدًا، يوفر PPF-FoldNet العديد من الخصائص المرغوبة: فهو لا يحتاج إلى إشراف، ولا إلى إطار مرجعي محلي حساس، ويستفيد من ندرة مجموعة النقاط، وهو من النهاية إلى النهاية، سريع ويمكنه استخراج وصفات قوية ثابتة تحت الدوران. بفضل تصور خاص بالخصائص، يمكن رصد تطوره لتقديم رؤى قابلة للتفسير. تظهر تجاربنا الواسعة أن شبكتنا رغم امتلاكها لثبات درجات الحرية الست وعدم وجود علامات تدريب، فإنها تحقق نتائج في طليعة المجال في مجموعات البيانات المعيارية القياسية وتتفوق على منافسيها عند وجود دوران وكثافة نقاط متغيرة. يحقق PPF-FoldNet نسبة استرجاع أعلى بنسبة $9\%$ في المعايير القياسية، ونسبة استرجاع أعلى بنسبة $23\%$ عندما يتم إدخال الدوران إلى نفس المجموعات البيانات وأخيرًا، يتم الحصول على هامش يزيد عن $35\%$ عندما تنخفض كثافة النقاط بشكل كبير.