From Spherical to Gaussian: A Comparative Analysis of Point Cloud Cropping Strategies in Large-Scale 3D Environments

ملخص تقني: من الكروي إلى الغاوسي: تحليل مقارن لاستراتيجيات قص السحب النقطية في البيئات ثلاثية الأبعاد واسعة النطاق

بيان المشكلة
تتجاوز السحب النقطية ثلاثية الأبعاد واسعة النطاق، والتي غالبًا ما تحتوي على مئات الملايين من النقاط، قيود الذاكرة للوحدات الحسابية الرسومية (GPUs) الحديثة، مما يجعل معالجتها مباشرة بواسطة شبكات التعلم العميق أمرًا غير ممكن. وبناءً على ذلك، يجب تقسيم هذه المشاهد إلى سحب نقطية فرعية أصغر. تعتمد النهج السائدة في أحدث التقنيات (SOTA) على القص الكروي أو المكعب، وهو ما يفرض قطعًا حادًا على البيانات. تؤدي استراتيجية "القطع الواضح" هذه إلى فقدان كبير في السياق الهندسي المحيط، مما يحد من قدرة النموذج على فهم المشهد، لا سيما في البيئات الخارجية واسعة النطاق حيث تمتد الأجسام غالبًا خارج حدود القص. وبينما يمكن لتقسيم المشاهد الداخلية إلى غرف فردية أن يخفف من حدة ذلك من خلال توفير سياقات مغلقة، إلا أن هذا النهج ليس قابلًا للتوسع في المشاهد الخارجية ويتطلب معرفة مسبقة بحدود الغرف.

المنهجية
يقترح المؤلفون استراتيجيات قص بديلة تستبدل القطع الحاد للقص الكروي بتوزيعات احتمالية. فبدلاً من اختيار النقاط بناءً على نصف قطر ثابت، تخصص الطريقة احتمالية اختيار $p$ لكل نقطة بناءً على مسافتها الإقليدية $d$ من نقطة مركزية $x_c$. وتقيم الورقة ثلاثة توزيعات محددة:

1. الأسّي (Exponential): $p = e^{-\lambda d}$
2. الغاوسي (Gaussian): $p = e^{-(d/\sigma_d)^2}$
3. الخطي (Linear): $p = (d_m - d) / d_m$

تتم مقارنة هذه التوزيعات بالمنهج الكروي القياسي ($p=1$ إذا كان $d < d_m$، وإلا $p=0$). والهدف هو الحفاظ على عدد مماثل من النقاط لكل سحابة فرعية مع زيادة النطاق المكاني (السياق) للقص بشكل كبير.

لضمان مقارنة عادلة، يستخدم المؤلفون خريطة شبكة إشغال (occupancy grid map) لاختيار النقاط المركزية، مما يضمن استخدام نفس المراكز عبر جميع استراتيجيات القص. وتستخدم الدراسة ثلاث بنيات مختلفة من نماذج التعلم العميق ثلاثية الأبعاد المتطورة:

• OA-CNNs: نموذج يعتمد على التجزئة باستخدام التلافيف المتفرقة (sparse convolutions).
• Point Transformer v3 (PTv3): نموذج يعتمد على النقاط ويستخدم آليات الانتباه (attention mechanisms).
• KPConvD: نموذج يعتمد على النقاط ويستخدم تلافيف النقاط المركزية (kernel point convolutions).

أُجريت التجارب على أربعة مجموعات بيانات تغطي كلاً من البيئات الداخلية (S3DIS) والخارجية (SemanticBridge, Paris-Lille-3D, Toronto3D). تم تدريب النماذج من الصفر دون أوزان مدربة مسبقًا، باستخدام الإحداثيات الخام فقط، ومعلومات اللون أو الكثافة حيثما توفرت.

المساهمات الرئيسية

• استراتيجيات قص مبتكرة: تقديم طرق القص الأسّي، والغاوسي، والخطي التي تتجنب الحدود القاطعة، مما يحافظ على السياق المحيط دون زيادة إجمالي عدد النقاط لكل سحابة فرعية.
• تقييم تجريبي شامل: تحليل شامل عبر بنيات متعددة ومجموعات بيانات متنوعة (داخلية وخارجية) لتقي يتم تقييم متانة هذه الاستراتيجيات.
• تحسينات في أحدث التقنيات (SOTA): إثبات أن تغيير استراتيجية القص وحده، دون تعديل بنية الشبكة الأساسية، يمكن أن يحقق نتائج جديدة هي الأفضل في مجالها (SOTA)، خاصة للمشاهد الخارجية واسعة النطاق.
• سهولة الوصول: الطرق المقترحة فعالة حاسوبيًا، وسهلة التنفيذ، ولا تفرض تعقيدًا إضافيًا في وقت التشغيل.

النتائج
تكشف التجارب أن فعالية استراتيجية القص تعتمد بشكل كبير على البيئة وبنية النموذج:

• المشاهد الخارجية: تفوقت الطرق المقترحة بشكل كبير على القص الكروي القياسي. في مجموعة بيانات SemanticBridge، حقق القص الغاوسي رقمًا قياسيًا جديدًا (SOTA) بأكثر من 80% mIoU. وفي Paris-Lille-3D، حقق القص الخطي مع نماذج OA-CNNs أكثر من 84% mIoU. وفي Toronto3D، حقق القص الخطي أفضل أداء عبر جميع النماذج. ويُعزى هذا التحسن إلى تضمين معلومات سياقية أكبر (مثل التمييز بين دعامات الجسور والأعمدة أو تحديد علامات الطريق) والتي غالبًا ما تقطعها عمليات القص الكروية.
• المشاهد الداخلية: في مجموعة بيانات S3DIS، أنتجت الطرق البديلة نتائج مماثلة للقص الكروي لنماذج OA-CNNs و KPConvD، رغم أنها لم تتفوق على أداء النماذج المدربة على غرف فردية مقسمة مسبقًا (والتي تستفيد من سياقات مغلقة تمامًا). ومن المثير للاهتمام أن نموذج PTv3 أظهر انخفاضًا في الأداء مع القص غير المنتظم في البيانات الداخلية، وربما يرجع ذلك إلى اعتماده على توزيعات نقطية منتظمة أو المعلمات الفائقة (hyperparameters) المستخدمة.
• المتانة والدمج: وجدت الدراسة أن النماذج المدربة على توزيعات غير منتظمة (الغاوسية/الخطية) قوية بشكل عام تجاه التغييرات في معلمات القص أثناء الاستدلال. علاوة على ذلك، أدى دمج التنبؤات من السحب الفرعية المتداخلة باستمرار إلى تحسين الأداء النهائي عبر جميع مجموعات البيانات، مما يعمل كشكل من أشكال تعزيز وقت الاختبار (test-time augmentation).

الأهمية والادعاءات
تدعي الورقة أن فقدان السياق البيئي الناتج عن القص الكروي التقليدي يمثل عقبة حرجة أمام التجزئة الدلالية ثلاثية الأبعاد في المشاهد واسعة النطاق. ومن خلال فصل استراتيجية القص عن بنية التعلم العميق، يوضح المؤلفون أن تعديلًا بسيطًا لتوزيع بيانات الإدخال يمكن أن يعزز أداء النموذج بشكل كبير.

يؤكد المؤلفون أن نهجهم مؤثر بشكل خاص في البيئات الخارجية حيث تكون الأجسام كبيرة والسياق نادرًا. ويجادلون بأن المشاهد الداخلية غالبًا ما تكون محاطة بجدران (مما يسمح بالتقسيم القائم على الغرف)، بينما تتطلب المشاهد الخارجية طريقة تلتقط سياقًا ممتدًا دون العبء الحسابي لمعالجة سحب نقطية ضخمة. يشير العمل إلى أن الأبحاث المستقبلية يجب أن تستكشف طرق أخذ عينات أكثر تطورًا واختيار مراكز مدرك لعدم اليقين، لكنه يضع حاليًا أساسًا بأن القص الاحتمالي هو تدخل فعال ومنخفض التكلفة لتحسين الفهم ثلاثي الأبعاد.