OMNet: تعلّم القناع المتداخل لتسجيل السحابة النقطية الجزئية إلى الجزئية

تسجيل السحابة النقطية يُعد مهمة أساسية في العديد من المجالات الحسابية. تعتمد الطرق السابقة القائمة على تطابق الزوايا على أن تكون المدخلات ذات هيكل هندسي مميز لتطبيق تحويل صلب ثلاثي الأبعاد بناءً على مطابقة الميزات النادرة النقطية. ومع ذلك، فإن دقة التحويل تعتمد بشكل كبير على جودة الميزات المستخرجة، التي تتأثر بسهولة بالأخطاء الناتجة عن الجزئية والضوضاء. علاوةً على ذلك، لا يمكن لهذه الطرق الاستفادة من المعرفة الهندسية الخاصة بجميع المناطق المتداخلة. من ناحية أخرى، تعتمد الطرق السابقة القائمة على الميزات العالمية على استخدام السحابة النقطية بأكملها في التسجيل، لكنها تتجاهل التأثير السلبي للنقاط غير المتداخلة عند تجميع الميزات العالمية. في هذه الورقة، نقدّم OMNet، وهي شبكة تكرارية قائمة على الميزات العالمية لتسجيل السحابة النقطية الجزئية إلى الجزئية. نتعلم أقنعة التداخل لاستبعاد المناطق غير المتداخلة، مما يحوّل تسجيل السحابة الجزئية إلى جزء من تسجيل الشكل نفسه. علاوةً على ذلك، يتم أخذ العينة من النماذج CAD مرة واحدة فقط لكل كائن، مما يؤدي إلى الحصول على نفس السحابة النقطية للمصدر والمرجع. ونُقدّم طريقة أكثر عملية لإنشاء البيانات، حيث يتم أخذ عينتين من نموذج CAD لكل من المصدر والمرجع، مما يتجنب مشكلة التكيف الزائد التي كانت شائعة سابقًا. تُظهر النتائج التجريبية أن طريقة我们的 تحقق من أداء متقدم مقارنة بالطرق التقليدية والطرق القائمة على التعلم العميق. يُمكن الوصول إلى الكود من خلال: https://github.com/megvii-research/OMNet.