HyperAIHyperAI
منذ 17 أيام

ضغط متكامل ثنائي الاتجاه للسمات للفصل الدلالي ثلاثي الأبعاد الداخلي بزاوية 360 درجة باستخدام التعلم الذاتي

Zishuo Zheng, Chunyu Lin, Lang Nie, Kang Liao, Zhijie Shen, Yao Zhao
ضغط متكامل ثنائي الاتجاه للسمات للفصل الدلالي ثلاثي الأبعاد الداخلي بزاوية 360 درجة باستخدام التعلم الذاتي
الملخص

في الآونة الأخيرة، تفوقت الطرق القائمة على التمثيل الأفقي للتقسيم الدلالي الشامل للمناظر البيانية على الحلول القائمة على التصوير، وذلك لأن التشوهات يمكن التخلص منها بشكل فعّال من خلال ضغط البيانات الكروية في الاتجاه الرأسي. ومع ذلك، فإن هذه الطرق تتجاهل معرفة مسبقة بتوزيع التشوهات، وتقع في حدود مجالات استقبال غير متوازنة، مثل توفر مجالات استقبال كافية في الاتجاه الرأسي وقلة في الاتجاه الأفقي. على العكس، يمكن أن يوفر التمثيل الرأسي المضغوط في اتجاه آخر معرفة مسبقة ضمنية حول التشوهات وتوسيع مجالات الاستقبال الأفقية. في هذا البحث، ندمج بين تمثيلين مختلفين ونُقدّم حلًا جديدًا لتقسيم الدلالة في 360 درجة من منظور مكمل. يتكوّن شبكتنا من ثلاث وحدات: وحدة استخراج الميزات، ووحدة ضغط ثنائية الاتجاه، ووحدة فك تجميعية. أولاً، نستخرج ميزات متعددة المقاييس من المنظر البياني. ثم، نصمم وحدة ضغط ثنائية الاتجاه لضغط الميزات إلى تمثيلين منخفضي الأبعاد متكاملين، وهما يوفّران إدراكًا للمحتوى ومعرفة مسبقة عن التشوهات. علاوةً على ذلك، لتسهيل دمج الميزات الثنائية الاتجاه، نصمم استراتيجية تَنْضِيب ذاتيّة فريدة في وحدة الفك التجميعية لتعزيز التفاعل بين الميزات المختلفة وتحسين الأداء بشكل أكبر. تُظهر النتائج التجريبية أن منهجنا يتفوّق على الحلول الرائدة من حيث الأداء الكمي، مع تحسين لا يقل عن 10%، كما يُظهر أفضل أداء من حيث المظهر البصري.

ضغط متكامل ثنائي الاتجاه للسمات للفصل الدلالي ثلاثي الأبعاد الداخلي بزاوية 360 درجة باستخدام التعلم الذاتي | أحدث الأوراق البحثية | HyperAI