إن إكمال المشهد في الأماكن المفتوحة يُعدّ أحد التحديات الرئيسية في فهم المشاهد ثلاثية الأبعاد، حيث يُلعب دورًا مهمًا في الروبوتات الذكية والقيادة الذاتية. وبسبب ندرة بيانات استشعار الليدار (LiDAR)، يصبح إكمال المشهد ثلاثي الأبعاد والتقسيم الدلالي أكثر تعقيدًا بشكل كبير. وبما أن الميزات الدلالية توفر قيودًا وافتراضات دلالية لمهام الإكمال، فإن العلاقة بين الميزات الدلالية وإكمال المشهد تستحق الاستكشاف. لذلك، نقترح شبكة إكمال مشهد مدعومة بتقسيم دلالي من النهاية إلى النهاية، تضم فرعًا لإكمال ثنائي الأبعاد وفرعًا آخر للتقسيم الدلالي ثلاثي الأبعاد. بشكل خاص، تقوم الشبكة بأخذ سحابة نقطية خام كمدخل، ثم تدمج ميزات من فرع التقسيم الدلالي بشكل هرمي في فرع الإكمال لتوفير معلومات دلالية. وباستخدام تمثيل المقطع العرضي الرأسي (BEV) وال convo-lution النادرة ثلاثية الأبعاد، نستفيد من كفاءة العمليات المنخفضة مع الحفاظ على تمثيل فعّال. علاوة على ذلك، يتم استخدام مُفكّك (decoder) فرع التقسيم الدلالي كمُساعِد، ويمكن التخلص منه في مرحلة الاستنتاج لتقليل استهلاك الحوسبة. أظهرت التجارب الواسعة أن طريقة العمل لدينا تحقق أداءً تنافسيًا على مجموعة بيانات SemanticKITTI بتأخير منخفض. سيتم إتاحة الكود والنماذج على الرابط: https://github.com/jokester-zzz/SSA-SC.