منهاج موحد قائمة على الاستعلام لفهم سحابة النقاط

إن فهم السحابة النقطية ثلاثية الأبعاد يُعد عنصراً مهماً في القيادة الذاتية والروبوتات. في هذه الورقة، نقدّم نموذجاً جديداً يُعرف بـ "نمط التضمين-الاستعلام" (EQ-Paradigm) للوظائف المتعلقة بالفهم ثلاثي الأبعاد، بما في ذلك الكشف، والتقسيم، والتصنيف. يُعد نمط EQ-Paradigm نموذجاً موحداً يمكّن من دمج أي بنية أساسية ثلاثية الأبعاد موجودة مع رؤوس مهام مختلفة. ضمن نمط EQ-Paradigm، يتم أولاً ترميز المدخلات في مرحلة التضمين باستخدام أي بنية استخراج ميزات، وهي مرحلة مستقلة عن المهام والرؤوس. ثم، تُمكّن مرحلة الاستعلام من جعل الميزات المُشفرة قابلة للاستخدام مع رؤوس مهام متنوعة. ويتم ذلك من خلال إدخال تمثيل وسيط يُعرف بـ "تمثيل Q" (Q-representation) في مرحلة الاستعلام، والذي يعمل كجسر بين مرحلة التضمين ورؤوس المهام. وقد صممنا شبكة جديدة تُسمى Q-Net لتمثيل شبكة مرحلة الاستعلام. أظهرت النتائج التجريبية الواسعة على مهام ثلاثية الأبعاد متنوعة، بما في ذلك كشف الأجسام، والتقسيم الدلالي، وتصنيف الأشكال، أن نمط EQ-Paradigm مع شبكة Q-Net يُشكل مساراً عاماً وفعالاً، يمكّن من تعاون مرن بين البنية الأساسية ورؤوس المهام، ويعزز بدوره أداء أحدث الطرق المطورة. يمكن الوصول إلى الشيفرات والنماذج عبر الرابط التالي: https://github.com/dvlab-research/DeepVision3D.