نقطة2متجه لتعلم التمثيل الذاتي على السحب النقطية

في الآونة الأخيرة، أظهر إطار التعلم الذاتي المشرف جزئياً data2vec أداءً ملهمًا في مختلف الوسائط باستخدام نهج تلميذ-معلم مasked (مُخَفَّى). ومع ذلك، لا يزال السؤال مفتوحًا حول ما إذا كان هذا الإطار يمكن أن يعمم على التحديات الفريدة للسحابات النقطية ثلاثية الأبعاد. لحل هذه المشكلة، قمنا بتوسيع data2vec إلى مجال السحابات النقطية وسجلنا نتائج مشجعة في عدة مهام لاحقة.في تحليل عميق، اكتشفنا أن تسرب المعلومات الموضعية يكشف الشكل الكلي للجسم للتلميذ حتى تحت التخفي الشديد، مما يعيق data2vec من تعلم تمثيلات قوية للسحابات النقطية. لمعالجة هذا القصور الخاص بالسحابة النقطية ثلاثية الأبعاد، اقترحنا point2vec، الذي يطلق العنان لإمكانات كاملة للتدريب الأولي المشابه لـ data2vec على السحابات النقطية. نتائج تجاربنا أظهرت أن point2vec يتفوق على طرق التعلم الذاتي الأخرى في تصنيف الأشكال والتعلم بقليل من البيانات على ModelNet40 وScanObjectNN، بينما حقق نتائج تنافسية في تقسيم الأجزاء على ShapeNetParts. تشير هذه النتائج إلى أن التمثيلات المُتعلمة قوية وقابلة للنقل، مما يؤكد على point2vec كأحد الاتجاهات الواعدة في مجال التعلم الذاتي للمشرف جزئياً للتمثيلات السحابية النقطية.