شبكة إكمال النقطة الدلالية لإكمال المشهد ثلاثي الأبعاد الدلالي

تتكوّن إكمال المشهد الدلالي (SSC) من إكمال المشهد (SC) والتقسيم الدلالي. تُنفَّذ معظم الطرق الحالية لـ SSC في فضاء شبكة ثلاثية الأبعاد منتظمة، حيث تُسبب الشبكات العصبية الثلاثية الأبعاد (3D CNNs) تكلفة حسابية غير ضرورية على البكسلات الفارغة. في هذا العمل، تم اقتراح شبكة إكمال نقاط دلالية (SPCNet) لمعالجة SSC في فضاء السحابة النقطية. وبشكل محدد، تُعد SPCNet هي هندسة مشفرة-مُفكّكة (Encoder-decoder)، حيث يُستخدم مشفر النقاط المُلاحظة (Observed Point Encoder) لاستخراج سمات النقاط المُلاحظة، بينما يُسند إلى مشفر النقاط المُختَبِئة (Observed to Occluded Point Decoder) مهمة تحويل السمات إلى النقاط المُختَبِئة. وباستنادًا إلى SPCNet، تم تقديم شبكة إكمال نقاط دلالية مُدمجة بين الصورة والنقاط (IPFSPCNet)، والتي تهدف إلى تعزيز أداء SSC من خلال دمج معلومات النسيج مع معلومات الهندسة. أُجريت تقييمات على مجموعتي بيانات عامتين. أظهرت النتائج التجريبية أن طريقة العمل لدينا قادرة على معالجة مشكلة SC في فضاء السحابة النقطية. ومقارنةً بالطرق الرائدة حاليًا، تُحقّق طريقة العمل لدينا نتائج مرضية في مهمة SSC.