PIDS : Recherche de l'Interaction- Dimension des Points d'Intersection pour les Nuages de Points 3D

L'interaction et la dimension des points sont deux axes importants dans la conception d'opérateurs de points pour servir les modèles 3D hiérarchiques. Cependant, ces deux axes sont hétérogènes et difficiles à explorer pleinement. Les travaux existants conçoivent des opérateurs de points selon un seul axe et réutilisent l'opérateur conçu dans toutes les parties des modèles 3D. Cette approche néglige l'opportunité d'améliorer la combinaison des interactions et des dimensions des points en exploitant la géométrie variable/densité des nuages de points 3D. Dans ce travail, nous établissons PIDS, un nouveau paradigme visant à explorer conjointement les interactions et les dimensions des points pour servir la segmentation sémantique des données de nuages de points. Nous créons un vaste espace de recherche pour prendre en compte diverses interactions et dimensions de points. Ceci permet aux opérateurs de points d'intégrer différentes considérations géométriques/densitaires. L'espace de recherche élargi avec ses composants hétérogènes nécessite un meilleur classement des modèles candidats. Pour y parvenir, nous améliorons l'exploration de l'espace de recherche en utilisant une Recherche d'Architecture Neuronale (RAN) basée sur prédicteur, et renforçons la qualité de la prédiction en attribuant un codage unique aux composants hétérogènes de recherche en fonction de leurs a priori. Nous évaluons rigoureusement les réseaux conçus par PIDS sur deux benchmarks de segmentation sémantique, montrant une amélioration d'environ 1% du mIOU sur SemanticKITTI et S3DIS par rapport aux modèles 3D les plus avancés actuellement disponibles.