GSSnowflake: เสริมความสมบูรณ์ให้กับ Point Cloud ด้วย Snowflake ผ่าน Grouped Vector และ Self-Positioning Point Attention
GSSnowflake: เสริมความสมบูรณ์ให้กับ Point Cloud ด้วย Snowflake ผ่าน Grouped Vector และ Self-Positioning Point Attention GSSnowflake: เสริมความสมบูรณ์ให้กับ Point Cloud ด้วย Snowflake ผ่าน Grouped Vector และ Self-Positioning Point Attention ในยุคที่เทคโนโลยีก้าวล้ำนำสมัย เทคโนโลยี 3 มิติ หรือ 3D กำลังเข้ามามีบทบาทสำคัญในหลากหลายวงการ ไม่ว่าจะเป็นวงการแพทย์ สถาปัตยกรรม หรือแม้แต่วิดีโอเกม หนึ่งในเทคโนโลยีที่อยู่เบื้องหลังการสร้างแบบจำลอง 3 มิติ คือ เทคโนโลยี Point Cloud ซึ่งอาศัยการเก็บข้อมูลเป็นกลุ่มจุดจำนวนมาก เพื่อนำไปประมวลผลสร้างแบบจำลอง 3 มิติที่มีความแม่นยำสูง อย่างไรก็ตาม การเก็บข้อมูล Point Cloud ให้มีความสมบูรณ์แบบไร้ที่ตินั้นเป็นเรื่องที่ทำได้ยากในทางปฏิบัติ ปัจจัยต่างๆ เช่น สภาพแวดล้อม หรือข้อจำกัดของอุปกรณ์ อาจส่งผลให้ข้อมูล Point Cloud ที่ได้มาสูญหายไปบางส่วน ส่งผลให้แบบจำลอง 3 มิติ ที่สร้างขึ้นมีความผิดเพี้ยน ไม่ตรงกับความเป็นจริง เพื่อแก้ปัญหาดังกล่าว งานวิจัย “GSSnowflake: Point Cloud Completion by Snowflake with Grouped Vector and Self-Positioning P...