تقدير واستغلال عدم اليقين الاحتمالي في تقدير المتجهات الطبيعية للسطح

تقدير المتجه الطبيعي للسطح من صورة واحدة هو مهمة مهمة في فهم المشهد ثلاثي الأبعاد. في هذا البحث، نعالج قيدَين يشتركان بين الطرق الحالية: عدم القدرة على تقدير عدم اليقين العشوائي ونقص التفاصيل في التنبؤ. الشبكة المقترحة تقدر توزيع الاحتمالات للمتجه الطبيعي للسطح لكل بكسل. نقدم معلمة جديدة للتوزيع بحيث يكون سالب الإمكان اللوغاريتمي هو خسارة الزاوية مع التخفيف المتعلم. ثم يتم استخدام قيمة التوقع لخطأ الزاوية كمقياس لعدم اليقين العشوائي. كما نقدم إطار فكودر جديد حيث يتم تدريب المعرفات متعددة الطبقات البكسلية على مجموعة جزئية من البكسل التي تم اختيارها بناءً على عدم اليقين المقدر. يمنع التقديم المقترح المستند إلى عدم اليقين الانحياز في التدريب نحو الأسطح المستوية الكبيرة ويحسن جودة التنبؤ، خاصة بالقرب من حدود الأجسام وعلى الهياكل الصغيرة. تظهر النتائج التجريبية أن الطريقة المقترحة تتفوق على أحدث ما وصلت إليه التقنيات في ScanNet وNYUv2، وأن عدم اليقين المقدر يرتبط بشكل جيد بخطأ التنبؤ. الرمز متاح على https://github.com/baegwangbin/surface_normal_uncertainty.请注意，我已经将文本翻译成阿拉伯语，并遵循了您提供的翻译要求。如果您有任何进一步的需求或修改意见，请随时告知。