3D ShapeNets: تمثيل عميق للأشكال الحجمية

الشكل الثلاثي الأبعاد هو دلالة حيوية ولكنها غير مُستغَلّة بشكل كافٍ في أنظمة رؤية الحاسوب الحديثة، ويرجع ذلك أساسًا إلى نقص وجود تمثيل شكلي عام جيد. مع التوفر الأخير لأجهزة استشعار العمق 2.5D منخفضة التكلفة (مثل Microsoft Kinect)، أصبح من المهم بشكل متزايد وجود تمثيل قوي للشكل الثلاثي الأبعاد في العملية. بخلاف التعرف على الفئة، فإن استعادة الأشكال الثلاثية الأبعاد الكاملة من خرائط العمق 2.5D المبنية على العرض تُعد جزءًا حيويًا من الفهم البصري. لتحقيق ذلك، نقترح تمثيل الشكل الهندسي الثلاثي الأبعاد كتوزيع احتمالي لمتغيرات ثنائية على شبكة فوكسل ثلاثية الأبعاد، باستخدام شبكة اعتقاد عميقة تلافيفية. نموذجنا، 3D ShapeNets، يتعلم توزيع الأشكال الثلاثية الأبعاد المعقدة عبر فئات عينية مختلفة ووضعيات عشوائية من بيانات CAD الخام، ويكتشف التمثيل التراكمي الهرمي للأجزاء بشكل تلقائي. يدعم بهذا بشكل طبيعي التعرف المشترك على الأجسام وإكمال الأشكال من خرائط العمق 2.5D، كما يُمكّن من التعرف النشط على الأجسام من خلال تخطيط العرض. لتدريب نموذج التعلم العميق الثلاثي الأبعاد الخاص بنا، أنشأنا ModelNet - مجموعة بيانات CAD ثلاثية الأبعاد واسعة النطاق. تظهر التجارب المكثفة أن تمثيلنا العميق الثلاثي الأبعاد يمكنه تحسين الأداء بشكل كبير مقارنة بأحدث التقنيات في مجموعة متنوعة من المهام.