HyperAIHyperAI
منذ 3 أشهر

إسقاط النقاط على المحاور: كشف الكائنات الموجهة عبر تمثيل النقطة-المحور

Zeyang Zhao, Qilong Xue, Yuhang He, Yifan Bai, Xing Wei, Yihong Gong
إسقاط النقاط على المحاور: كشف الكائنات الموجهة عبر تمثيل النقطة-المحور
الملخص

يُقدّم هذا البحث تمثيلًا نقطيًا-محوريًا للكشف عن الكائنات الموجهة، مع التركيز على مرونته وطبيعته الهندسية الواضحة، ويتكوّن من مكوّنين رئيسيين: النقط والمحاور. 1) تُحدّد النقط التمدد المكاني وحدود الكائنات، مما يوفر وصفًا دقيقًا للشكل. 2) تُعرّف المحاور الاتجاهات الرئيسية للكائنات، وتوفر إشارات توجيهية حيوية تُعدّ أساسية للكشف الدقيق. يُفصل تمثيل النقطة-المحور بين الموقع والدوران، ويُعالج مشكلة عدم الاستمرارية في الخسارة التي تُواجهها غالبًا الطرق التقليدية القائمة على المربعات المحيطة. ولتحقيق تحسين فعّال دون إدخال ملاحظات إضافية، نقترح خسارة التصوير الأقصى (max-projection loss) لدعم تعلّم مجموعة النقاط، وخسارة المحور المتقاطع (cross-axis loss) لتعزيز تعلّم تمثيل المحور بشكل موثوق. علاوةً على ذلك، وباستخدام هذا التمثيل، نقدّم نموذج Oriented DETR، الذي يدمج بسلاسة إطار DETR لتنبؤ دقيق بالنقط والمحاور، والكشف من النهاية إلى النهاية. أظهرت النتائج التجريبية تحسينات كبيرة في الأداء في مهام الكشف عن الكائنات الموجهة.