إكمال المشهد بمساعدة تقسيم الدلالات لسحب نقاط ليدار

إكمال المشهد الخارجي هو قضية تحدي في فهم المشهد ثلاثي الأبعاد، والذي يلعب دورًا مهمًا في الروبوتات الذكية والقيادة الذاتية. نظرًا لندرة الحصول على بيانات ليدار، فإن إكمال المشهد ثلاثي الأبعاد وتقسيم الدلالات يصبح أكثر تعقيدًا. نظرًا لأن الميزات الدلالية يمكن أن توفر قيودًا ومقدمات دلالية لمهام الإكمال، فإن العلاقة بينها تستحق الاستكشاف. لذلك، نقترح شبكة لإكمال المشهد بمساعدة تقسيم الدلالات من النهاية إلى النهاية، تتضمن فرع إكمال ثنائي الأبعاد وفرع تقسيم دلالات ثلاثي الأبعاد. على وجه الخصوص، تأخذ الشبكة سحابة نقاط خام كمدخل، واندماج الميزات من فرع التقسيم إلى فرع الإكمال بشكل هرمي لتوفير المعلومات الدلالية. من خلال اعتماد تمثيل BEV وعمليات الالتفاف الكثيفة ثلاثية الأبعاد، يمكننا الاستفادة من العامل الأدنى مع الحفاظ على التعبير الفعال. بالإضافة إلى ذلك، يتم استخدام مفكك الشفرة لفرع التقسيم كمساعد، ويمكن التخلص منه في مرحلة الاستدلال لتوفير استهلاك الحوسبة. تُظهر التجارب الموسعة أن طريقتنا تحقق أداءً تنافسيًا في مجموعة بيانات SemanticKITTI مع زمن استجابة منخفض. سيتم إصدار الشفرة والنماذج على https://github.com/jokester-zzz/SSA-SC.