مُحَوِّل مُتَشَطِّط لتقسيم سحابة النقاط ثلاثية الأبعاد

لقد حققت تقسيم السحابة النقطية ثلاثية الأبعاد تقدماً كبيراً في السنوات الأخيرة. تركز معظم الطرق الحالية على تجميع السمات المحلية، لكنها تفشل في نمذجة الاعتمادات طويلة المدى بشكل مباشر. في هذه الورقة، نقترح نموذج "Transformer المُصنَّف" (Stratified Transformer) الذي يُمكنه اكتشاف السياقات طويلة المدى ويُظهر قدرة تعميم قوية وأداءً عالٍ. بشكل خاص، نُقدِّم أولًا استراتيجية جديدة لاختيار المفاتيح. بالنسبة لكل نقطة استعلام، نقوم بأخذ عينات من النقاط القريبة بشكل كثيف والنقاط البعيدة بشكل متباعد بطريقة مصنفة، مما يمكّن النموذج من توسيع مجال الاستقبال الفعّال وتمكينه من استغلال السياقات طويلة المدى بتكلفة حسابية منخفضة. بالإضافة إلى ذلك، لمواجهة التحديات الناتجة عن الترتيب غير المنتظم للنقاط، نقترح تمثيل النقاط في الطبقة الأولى لجمع المعلومات المحلية، مما يُسهّل التقارب ويعزز الأداء. كما نستخدم ترميز الموضع النسبي السياقي لالتقاط معلومات الموضع بشكل تكيفي. وأخيرًا، نقدّم تنفيذًا فعّالاً من حيث الذاكرة لمعالجة مشكلة تباين عدد النقاط في كل نافذة. تُظهر التجارب الواسعة فعالية وتفوّق طريقة العمل لدينا على مجموعات بيانات S3DIS وScanNetv2 وShapeNetPart. يمكن الوصول إلى الكود من خلال الرابط التالي: https://github.com/dvlab-research/Stratified-Transformer.