إكمال المشهد الدلالي باستخدام الدوال الضمنية العميقة المحلية على بيانات ليدار

إن إكمال المشهد الدلالي هو المهمة التي تتمثل في تقدير هندسة ثلاثية الأبعاد والدلالات الخاصة بالكائنات والأسطح ضمن نطاق معين بشكل مشترك. ويشكل هذا التحدي بشكل خاص صعوبة كبيرة عند التعامل مع بيانات واقعية تكون نادرة ومُغطاة جزئيًا. نقترح شبكة تصنيف للمشهد تعتمد على الدوال الضمنية العميقة المحلية كطريقة جديدة قائمة على التعلم لإكمال المشهد. على عكس الدراسات السابقة في مجال إكمال المشهد، فإن طريقة العمل هذه تنتج تمثيلًا مستمرًا للمشهد لا يعتمد على التجزئة إلى مكعبات (الفيوكسلز). حيث نُشفر السحابات النقطية الخام إلى فضاء خفي محليًا وبدرجات متعددة من الدقة المكانية. ثم يتم تجميع دالة إكمال المشهد الشاملة من خلال تجميع قطع الدالة المحلية. ونُظهر أن هذا التمثيل المستمر مناسب لتمثيل الخصائص الهندسية والدلالية للمشاهد الخارجية الواسعة دون الحاجة إلى تجزئة مكانية (وبالتالي تجنب التنازل بين مستوى تفاصيل المشهد والمساحة التي يمكن تغطيتها).قمنا بتدريب وتقييم طريقة العمل هذه باستخدام بيانات ليدار مُعلَّمة دلاليًا من مجموعة بيانات Semantic KITTI. وتوصلت تجاربنا إلى أن طريقة العمل تُنتج تمثيلًا قويًا يمكن فك ترميزه إلى وصف ثلاثي الأبعاد كثيف للمشهد المعطى. كما أظهرت النتائج تفوق طريقة العمل على الحد الأقصى المُحقَّق في معيار إكمال المشهد في مجموعة بيانات Semantic KITTI من حيث مقياس تقاطع الوحدة الهندسية (IoU).