MSECNet: تقدير دقيق وموثوق للعادي في السحابات النقطية ثلاثية الأبعاد من خلال التحكم بالحواف متعددة المقياس

تقدير المتجهات العادية السطحية من سحابات النقاط ثلاثية الأبعاد أمر بالغ الأهمية لتطبيقات متعددة، بما في ذلك إعادة بناء الأسطح والعرض البصري. وعلى الرغم من أن الطرق الحالية لتقدير المتجهات العادية تُظهر أداءً جيدًا في المناطق التي تتغير فيها المتجهات العادية ببطء، إلا أنها غالبًا ما تفشل في المناطق التي تتغير فيها المتجهات بسرعة. لمعالجة هذه المشكلة، نقترح منهجية جديدة تُسمى MSECNet، التي تُحسّن دقة التقدير في المناطق التي تتغير فيها المتجهات من خلال اعتبار نمذجة تغير المتجهات كمشكلة كشف الحواف. يتكون MSECNet من شبكة أساسية (backbone network) وسُلسلة توصيل حافة متعددة المقياس (MSEC). تحقق السلسلة MSEC كشفًا قويًا للحواف من خلال دمج الميزات متعددة المقياس وكشف الحواف التكيفي. ثم تُدمج الحواف المُكتشفة مع مخرجات الشبكة الأساسية باستخدام وحدة التوصيل بالحافة (edge conditioning module) لإنتاج تمثيلات واعية بالحواف. تُظهر التجارب الواسعة أن MSECNet يتفوق على الطرق الحالية على كلا المجموعتين الاصطناعية (PCPNet) والواقعية (SceneNN)، مع أداء أسرع بشكل ملحوظ. كما قمنا بإجراء تحليلات متعددة لدراسة مساهمة كل مكوّن في السلسلة MSEC. وأخيرًا، نُظهر فعالية منهجيتنا في إعادة بناء الأسطح.