HyperAIHyperAI

Command Palette

Search for a command to run...

الخطوة في السحابة: منحنيات التعلم لتحليل شكل السحابة النقطية

Tiange Xiang Chaoyi Zhang Yang Song Jianhui Yu Weidong Cai

الملخص

تُعاني الكائنات ذات السحابة النقطية المنفصلة من نقص في وصفات الشكل الخاصة بالهندسات ثلاثية الأبعاد. في هذه الورقة، نقدّم طريقة جديدة لدمج المنحنيات الافتراضية في السحاب النقطية. تُجمَّع تسلسلات النقاط المتصلة (أي المنحنيات) أولًا من خلال تنفيذ خطوات موجهة داخل السحابة النقطية، ثم تُدمج لاحقًا مرة أخرى لتعزيز ميزات النقاط الفردية. ونقدّم تنفيذًا فعّالًا للاستراتيجية المقترحة، يشمل عامل تجميع منحنيات جديد يتبعه عامل تجميع منحنيات. تم اختبار طريقة العمل لدينا على عدة مهام تحليل السحاب النقطية، حيث حققنا دقة تصنيف متقدمة جدًا بلغت 94.2% في مهمة تصنيف ModelNet40، وقيمة IoU للInstances بلغت 86.8 في مهمة تجزئة ShapeNetPart، وخطأ جيبي بلغ 0.11 في مهمة تقدير الاتجاهات العادية لـ ModelNet40.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
الخطوة في السحابة: منحنيات التعلم لتحليل شكل السحابة النقطية | مستندات | HyperAI