Краткое содержание

У меня есть огромный набор данных, состоящий из 3D облаков точек (каждая точка состоит из координат X, Y, Z), и другой набор данных с ключевыми точками (также X, Y, Z), которые располагаются на достаточно узнаваемых структурах в облаке точек. Для человека довольно легко найти эти ключевые точки, учитывая соответствующее облако точек. В каждом облаке точек может быть от 6 до 24 ключевых точек, которое может содержать до 100 000 точек, но может быть уменьшено по размеру для подгонки в память при обработке. Моя цель — обучить модель глубокого обучения с контролируемым обучением для обнаружения/генерации этих ключевых точек в новых облаках точек. Эти точки должны быть синтетическими, поскольку ключевые точки, скорее всего, не содержатся в моем облаке точек. Ранее я пытался обучить регрессионную модель с использованием PointNet++ семантической сегментации. Я генерировал веса для каждой точки входного облака точек в соответствии с ее близостью к следующей ключевой точке. Для новых облаков точек веса были предсказаны довольно хорошо, но очень сложно восстановить синтетические ключевые точки из этих весов, поскольку область вокруг ключевой точки…