POCO: الت convolution النقطية لإعادة بناء السطح

تم استخدام الشبكات العصبية الضمنية بنجاح في إعادة بناء الأسطح من السحاب النقطية. ومع ذلك، تواجه العديد منها مشكلات في التوسع، حيث تقوم بترميز دالة السطح الثابت (isosurface) لجسم أو مشهد كامل في متجه خفي واحد. ول superar هذه القيود، اقترح بعض النماذج استنتاج متجهات خفية على شبكة ثلاثية الأبعاد منتظمة خشنة أو على شرائح ثلاثية الأبعاد، ثم تُجرى عملية تداخل بينها للإجابة على استفسارات الازدحام (occupancy queries). ولكن في هذه العملية، تفقد هذه الأساليب الارتباط المباشر بالنقاط المأخوذة من سطح الأجسام، كما توزع المعلومات بشكل موحد عبر الفضاء بدلًا من تجميعها في الأماكن التي تُعد أكثر أهمية، أي بالقرب من السطح. علاوةً على ذلك، يعتمد الاعتماد على أحجام شرائح ثابتة على ضرورة إجراء ضبط للتجزئة (discretization tuning). ولحل هذه المشكلات، نقترح استخدام التحايلات على السحاب النقطية (point cloud convolutions) لحساب المتجهات الخفية عند كل نقطة من النقاط المدخلة. ثم نُنفّذ عملية تداخل مبنية على التعلّم باستخدام أوزان مُستنتجة من أقرب الجيران. أظهرت التجارب على مجموعتي بيانات للأجسام والمشاهد أن نهجنا يتفوّق بشكل كبير على الأساليب الأخرى في معظم المقاييس الكلاسيكية، ويُنتج تفاصيل أدق ويُعيد بناء الحجوم الرفيعة بشكل أفضل. يمكن الوصول إلى الكود من خلال: https://github.com/valeoai/POCO.