NeAF: تعلم حقول الزوايا العصبية لتقدير المتجهات الطبيعية للنقاط

تقدير المتجهات الطبيعية للسحابات النقطية غير المنظمة هو مهمة مهمة في رؤية الحاسوب ثلاثية الأبعاد. تحقق الطرق الحالية نتائج مشجعة من خلال رسم خرائط للمساحات المحلية إلى متجهات طبيعية أو تعلم مطابقة السطوح المحلية باستخدام الشبكات العصبية. ومع ذلك، فإن هذه الطرق لا تعمم بشكل جيد على السيناريوهات غير المعروفة وحساسة لإعدادات المعلمات. لحل هذه المشكلات، نقترح دالة ضمنية لتعلم حقل زاوي حول المتجه الطبيعي لكل نقطة في نظام الإحداثيات الكروي، والذي يُطلق عليه حقول الزوايا العصبية (NeAF). بدلاً من التنبؤ مباشرة بالمتجهة الطبيعية لنقطة الإدخال، نتنبأ بانحراف الزاوية بين المتجهة الطبيعية الحقيقية ومتجهة استعلام عشوائية تم اختيارها. هذا الاستراتيجية يدفع الشبكة إلى ملاحظة عينات أكثر تنوعًا، مما يؤدي إلى دقة تنبؤ أعلى بطريقة أكثر ثباتًا. لتنبؤ المتجهات الطبيعية من حقول الزوايا التي تم تعلمها أثناء مرحلة الاستدلال، نقوم بأخذ عينات عشوائية لمتجهات الاستعلام في فضاء كروي وحدوي ونعتبر المتجهات ذات أصغر قيم زاوية كالمتجهات المتوقعة. للحصول على استفادة أكبر من المعلومات السابقة التي تعلمتها NeAF، نقترح تعديل المتجهات الطبيعية المتوقعة عن طريق تقليل انحرافات الزاوية. أظهرت النتائج التجريبية مع البيانات الصناعية والمسح الحقيقي تحسينات كبيرة على أفضل ما وصل إليه العلم تحت مقاييس شائعة الاستخدام.