HyperAIHyperAI

Command Palette

Search for a command to run...

اكتشاف الشذوذ في السحابات النقطية ثلاثية الأبعاد باستخدام الوصفيات الهندسية العميقة

Paul Bergmann David Sattlegger

الملخص

نقدم طريقة جديدة لاشرافية للكشف عن التشوهات الهندسية في السحابات النقطية ثلاثية الأبعاد ذات الدقة العالية. وبشكل خاص، نقترح تكيف الإطار النظري المتعارف عليه للكشف عن التشوهات بين الطالب والمعلم إلى البعد الثالث. يتم تدريب شبكة الطالب لتتوافق مع مخرجات شبكة المعلم المدربة مسبقًا على السحابات النقطية الخالية من التشوهات. عند تطبيقها على بيانات الاختبار، يمكن أن تسمح أخطاء الانحدار بين الشبكتين بتحديد مواقع الهياكل المشوهة بشكل موثوق. لبناء شبكة معلم قوية تستخلص وصفات هندسية محلية كثيفة، نقدم استراتيجية تدريب ذاتي جديدة. يتم تدريب المعلم بإعادة بناء الحقول المستقبلة المحلية ولا يتطلب ذلك أي تعليقات. تُظهر التجارب الواسعة التي أجريت على مجموعة بيانات الكشف عن تشوهات MVTec 3D الشاملة فعالية نهجنا، حيث يتفوق على أفضل الطُرق التالية بمقدار كبير. تُبين دراسات الاستبعاد أن نهجنا يلبي متطلبات التطبيقات العملية فيما يتعلق بالأداء والوقت الفعلي واستهلاك الذاكرة.


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
اكتشاف الشذوذ في السحابات النقطية ثلاثية الأبعاد باستخدام الوصفيات الهندسية العميقة | مستندات | HyperAI