تصنيف السحابة النقطية باستخدام متحول القائم على المحتوى من خلال التجميع في الفضاء المميز

في الآونة الأخيرة، تم القيام ببعض المحاولات لتطبيق نموذج الـ Transformer في تصنيف السحابات النقطية ثلاثية الأبعاد. من أجل تقليل الحسابات، تركز معظم الأساليب الموجودة على الانتباه المكاني المحلي، لكنها تتجاهل محتواها وتفشل في إنشاء علاقات بين النقاط البعيدة ولكن ذات الصلة. للقضاء على قيود الانتباه المكاني المحلي، نقترح هندسة Transformer تعتمد على محتوى النقاط، وتُعرف اختصارًا بـ PointConT. تستغل هذه الهندسة المحلية للنقاط في فضاء الخصائص (المبنية على المحتوى)، حيث تقوم بتجميع النقاط المشتقة التي لها خصائص مماثلة في نفس الفئة وتحسب الانتباه الذاتي داخل كل فئة، مما يتيح التوفيق الفعال بين التقاط التبعيات الطويلة والتعقيد الحاسوبي. كما نقدم أيضًا جامع خصائص Inception لتصنيف السحابات النقطية، والذي يستخدم هيكلات متوازية لتجميع المعلومات ذات التردد العالي والتردد المنخفض بشكل منفصل في كل فرع. أظهرت التجارب الواسعة أن نموذج PointConT الخاص بنا حقق أداءً ملحوظًا في تصنيف أشكال السحابات النقطية. وبشكل خاص، بلغت دقة Top-1 الخاصة بأسالتنا 90.3٪ في الإعداد الأكثر صعوبة لـ ScanObjectNN. يمكن الوصول إلى شفرة المصدر لهذه الورقة البحثية عبر الرابط: https://github.com/yahuiliu99/PointConT.