HyperAIHyperAI

Command Palette

Search for a command to run...

تعلم التحويل الهندسي لإكمال سحابة النقاط

Xuelong Li DaCheng Tao Huiyu Zhou Liqiang Nie Haozhe Xie Xianzhu Liu Shengping Zhang

الملخص

يهدف إكمال السحابة النقطية إلى تقدير الشكل المفقود من سحابة نقطية جزئية. غالبًا ما تقوم النماذج التوليدية القائمة على المُشفِّر-المُفكِّك بإعادة بناء السحابة النقطية الكاملة من التوزيع المُتعلّم للسابقة الشكلية، مما قد يؤدي إلى تشويه التفاصيل الهندسية (مثل الهياكل الحادة أو الهياكل غير السلسة) بسبب فقدان المعلومات في تضمين الفضاء الخفي. لمعالجة هذه المشكلة، نُصِف إكمال السحابة النقطية كمشكلة تحويل هندسي، ونُقدِّم شبكة تحويل هندسي بسيطة ولكنها فعّالة (GTNet). تعتمد هذه الشبكة على الهياكل الهندسية المتكررة الشائعة في الأشكال ثلاثية الأبعاد لإعادة بناء الأشكال الكاملة، وتشمل ثلاث شبكات فرعية: شبكة قطعة هندسية، وشبكة تحويل البنية، وشبكة تحسين التفاصيل. بشكل خاص، تقوم شبكة قطعة هندسية باكتشاف تكراري للهياكل الهندسية المتكررة المرتبطة أو المشابهة للأجزاء المفقودة. ثم تستخدم شبكة تحويل البنية الهياكل الهندسية المكتشفة لإكمال الأجزاء المفقودة المقابلة من خلال تعلُّم تحويلاتها المكانية مثل التماثل، والدوران، والانسحاب، والتوسيع الموحد. وأخيرًا، تقوم شبكة تحسين التفاصيل بإجراء تحسين عالمي لإزالة الهياكل غير الطبيعية. تُظهر التجارب الواسعة أن الطريقة المقترحة تتفوّق على أحدث الطرق في مجموعات بيانات Shape-Net55-34، MVP، PCN، وKITTI. سيتم إتاحة النماذج والكود على الرابط: https://github.com/ivislabhit/GTNet.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp