PointHR: استكشاف الهياكل عالية الدقة لتصنيف سحابات النقاط ثلاثية الأبعاد

أُحرز تقدم كبير مؤخرًا في تقسيم سحابات النقط باستخدام إطار عمل مشفر-مُفكك، والذي يقوم في البداية بترميز سحابات النقط إلى تمثيلات منخفضة الدقة، ثم يُفككها لتقديم تنبؤات عالية الدقة. مستوحى من النجاح الذي حققته الهياكل عالية الدقة في التنبؤ الكثيف للصور، والتي تُبقي دائمًا على تمثيل عالي الدقة طوال عملية التعلم بأكملها، نعتبر أن هذا العامل مهم جدًا أيضًا في تحليل سحابات النقط ثلاثية الأبعاد. لذلك، في هذا البحث، نستكشف هياكل عالية الدقة لتقسيم سحابات النقط ثلاثية الأبعاد. بشكل خاص، نعمم الهياكل عالية الدقة باستخدام مسار موحد يُسمى PointHR، يشمل مشغل تسلسلي مبني على أقرب الجيران (knn) لاستخراج الميزات، ومشغل إعادة عينة تفاضلي لنقل فعّال بين مختلف مستويات الدقة. بالإضافة إلى ذلك، نقترح تجنب العديد من العمليات الحسابية الفورية في الهياكل عالية الدقة من خلال حساب المؤشرات مسبقًا لكل من مشغلي التسلسل وإعادة العينة. وبذلك، نقدم هياكل عالية الدقة تنافسية للغاية، مع الاستفادة من فوائد الكتل المُصممة جيدًا لسحابات النقط دون أي جهد إضافي. لاختبار هذه الهياكل في تحليل سحابات النقط الكثيفة، أجرينا تجارب شاملة باستخدام مجموعتي بيانات S3DIS وScanNetV2، حيث تفوقت PointHR المُقترحة على أحدث الطرق المتطورة دون الحاجة إلى أي إضافات أو تحسينات إضافية. يُمكن الوصول إلى الشفرة المصدرية من خلال الرابط التالي: \url{https://github.com/haibo-qiu/PointHR}.