3D-MPA: تجميع اقتراحات متعددة لتقسيم النماذج الصرفي ثلاثي الأبعاد

نقدم طريقة تُعرف بـ 3D-MPA، وهي مخصصة للتقسيم المثالي على السحب النقطية ثلاثية الأبعاد. بناءً على سحابة النقاط المدخلة، نقترح منهجًا يركز على الكائنات حيث يقوم كل نقطة بالتصويت لمراكز كائنتها. نقوم بأخذ عينات من اقتراحات الكائنات من المراكز المتوقعة للكائنات. بعد ذلك، نتعلم خصائص الاقتراح من خصائص النقاط المجمعة التي صوتت لنفس مركز الكائن. تقوم شبكة التفاف الرسم البياني بإدخال العلاقات بين الاقتراحات، مما يوفر تعلم الخصائص العليا بالإضافة إلى الخصائص الدنيا للنقاط. يتكون كل اقتراح من تصنيف دلالي، ومجموعة نقاط مرتبطة نحدد عليها قناعًا أمامي-خلفي، ودرجة وجود الكائن وخصائص التجميع. غالبًا ما تقوم الأعمال السابقة بأداء عملية القمع غير القصوى (NMS) فوق الاقتراحات للحصول على الكشف النهائي عن الكائنات أو التقسيمات الدلالية المثالية. ومع ذلك، يمكن أن تتخلص NMS من التوقعات المحتملة الصحيحة. بدلاً من ذلك، يحتفظ منهجنا بكل الاقتراحات ويجمعها معًا بناءً على خصائص التجميع التي تم تعلمها. نظهر أن جمع الاقتراحات يؤدي إلى تحسين أداء NMS ويتفوق على الأساليب السابقة الأكثر تقدمًا في مهام الكشف عن الكائنات ثلاثية الأبعاد والتقسيم الدلالي المثالي باستخدام معيار ScanNetV2 وقاعدة بيانات S3DIS.