MaskGroup: تجميع وتمويه نقطي هرمي للفصل الثلاثي للInstances

يدرس هذا البحث مشكلة التجزئة ثلاثية الأبعاد للInstances، التي تمتلك تطبيقات واقعية متعددة مثل الروبوتات والواقع المعزز. نظرًا لتعقيد البيئة المحيطة بالكائنات ثلاثية الأبعاد، فإن فصل الكائنات المختلفة يُعد أمرًا صعبًا جدًا. ولحل هذه المشكلة الصعبة، نقترح إطارًا جديدًا لدمج وتحسين الكائنات ثلاثية الأبعاد. في الممارسة العملية، نتعلم أولًا متجهًا للانزلاق لكل نقطة ونُحَوِّلها نحو مركز الكائن المُقدَّر. ولتحسين عملية تجميع هذه النقاط، نقترح خوارزمية تجميع النقاط الهرمية (Hierarchical Point Grouping) لدمج النقاط المجمعة حول المركز تدريجيًا. تُجمَّع جميع النقاط في مجموعات صغيرة، التي تمر لاحقًا بعملية تجميع أخرى تدريجيًا لتكوين مجموعات أكبر. تُستخدَم هذه المجموعات متعددة المقاييس لتنبؤ الكائنات، مما يُسهم في التنبؤ بكائنات ذات مقاييس مختلفة. بالإضافة إلى ذلك، تم تطوير شبكة جديدة تُسمى MaskScoreNet لإنتاج قناع ثنائي للنقاط لهذه المجموعات، بهدف تحسين نتائج التجزئة بشكل أكبر. أظهرت التجارب الواسعة التي أُجريت على معايير ScanNetV2 وS3DIS فعالية الطريقة المقترحة. على سبيل المثال، حققنا تقييمًا بنسبة 66.4% في متوسط الدقة (mAP) باستخدام عتبة IoU تساوي 0.5 على مجموعة اختبار ScanNetV2، وهي نسبة تفوق الطريقة الأفضل في الحد الأقصى (state-of-the-art) بنسبة 1.9%.