TextureNet: معلمات محلية متسقة لتعلم الإشارات ذات الدقة العالية على الشبكات ثلاثية الأبعاد

نقدم TextureNet، وهي بنية شبكة عصبية مصممة لاستخراج الخصائص من الإشارات ذات الدقة العالية المرتبطة بالشبكات السطحية ثلاثية الأبعاد (مثل خرائط النسيج اللوني). الفكرة الأساسية هي استخدام حقل متآلف دوراني رباعي (4-RoSy) لتحديد مجال للالتفاف على السطح. رغم أن حقول 4-RoSy تتمتع بعدة خصائص مفيدة للالتفاف على الأسطح (تشويه منخفض، عدد قليل من النقاط الفردية، توزيع متسق، إلخ)، فإن التوجهات تكون غير واضحة حتى الدوران الرباعي في أي نقطة عينة. لذلك، نقدم مشغل االتلافاف الجديد الذي يكون ثابتًا أمام الغموض الناجم عن حقل 4-RoSy ونستخدمه في شبكة لاستخراج الخصائص من الإشارات ذات الدقة العالية في الجوار الجيوديسي لسطح ما. عند المقارنة مع البدائل مثل طرق PointNet التي لا تملك مفهوم للتوجه، فإن الهيكل المتماسك الذي توفره هذه الأحياء ينتج خصائص أقوى بكثير. كمثال على التطبيق، نوضح فوائد هندستنا في تقسيم الدلالات الثلاثية الأبعاد للشبكات ثلاثية الأبعاد ذات النسيج. تظهر النتائج أن طريقتنا تتفوق على جميع الطرق الموجودة بناءً على متوسط IoU بمقدار كبير في كل من الإعدادات الهندسية فقط (6.4٪) وإعدادات RGB + الهندسة (6.9-8.2٪).