KPRNet: تحسين التصنيف الدلالي لليدار باستخدام الأساليب القائمة على التProjection

تُعد التجزئة الدلالية عنصراً أساسياً في أنظمة الاستشعار الخاصة بالمركبات ذاتية القيادة. في هذا العمل، نعتمد التطورات الحديثة في كل من تجزئة الصور وتجزئة السحاب النقطي لتحقيق دقة أفضل في مهمة تجزئة مقاييس ليدار. يُحسّن نموذج KPRNet بنية الشبكة العصبية التلافيفية المستخدمة في الطرق المُشَرَّطة ثنائية الأبعاد، ويُستخدم KPConv لاستبدال التقنيات المعالجة اللاحقة الشائعة بعنصر قابل للتعلم على مستوى النقطة، مما يمكّننا من الحصول على تسميات ثلاثية الأبعاد أكثر دقة. وبفضل هذه التحسينات، يتفوق نموذجنا على أفضل طريقة حالية في معيار SemanticKITTI، حيث يصل إلى متوسط دقة التداخل (mIoU) إلى 63.1.