طريقة بناء شبكة واسعة النطاق وتخفيفها للتصنيف الدلالي للسحاب النقطي

لتعزيز أداء تقسيم الدلالة للسحابات النقطية بشكل كبير، تقدم هذه الورقة منهجية جديدة لبناء شبكات كبيرة الحجم، بالإضافة إلى تقنية فعالة للتبسيط الخفيف. أولاً، يتم استخدام وحدة معالجة الميزات النقطية الخفية (LPFP) للتوصيل بين الشبكات الأساسية مثل PointNet++ وPoint Transformer. تؤدي هذه الوحدة المتوسطة وظيفتين: نقل معلومات الميزات، وتقديم مراقبة حقيقية للهدف (ground truth supervision). علاوة على ذلك، لتفادي الزيادة في التكاليف الحسابية الناتجة عن بناء الشبكات الكبيرة، ولتحسين التكيف مع متطلبات التشغيل على الأجهزة النهائية، تم اقتراح منهجية جديدة لتقليل حجم الشبكة للسحابات النقطية في مهام تقسيم الدلالة (PCLN)، وذلك من خلال نقل معلومات الميزات متعددة الأبعاد من الشبكات الكبيرة إلى الشبكة المُبسَّطة. وبشكل محدد، يتم نقل بنية ميزات النقط وبيانات الانتباه بشكل انتقائي في مراحل مختلفة من الشبكة الكبيرة، لتوجيه الشبكة المُبسَّطة في عملية التدريب وفقًا لاتجاه الشبكة الكبيرة. كما تحل هذه الورقة مشكلة تمثيل المعلومات البنائية الشاملة للسحابات النقطية الكبيرة من خلال عينات وجمع الميزات. وقد أظهرت التجارب الواسعة على مجموعات بيانات عامة وبيانات واقعية أن المنهجية المقترحة يمكنها تحسين أداء الشبكات الأساسية المختلفة بشكل ملحوظ، وأنها تتفوق على أحدث الطرق المطورة في المجال.