تتزايد أهمية إعداد تمثيلات دلالية موثوقة للبيانات الثلاثية الأبعاد على نطاق المدن لضمان التحليل الحضري ورصد البنية التحتية وأنظمة القيادة الذاتية والحفاظ على التراث. لكن تواجه المشاهد الحضرية لامتدادات واسعة التي يتم التقاطها عن طريق المسح الجوي تحديات كبيرة بالمقارنة مع بيانات LiDAR الخاصة بمستويات الداخل والمركبات الذاتية القيادة التي يتم استخدامها لتدريب نماذج 3D ذاتية الإشراف.

هنا يأتي دور بوليس (Polis)، الذي يُعتبر الأول من نوعه في تطبيق تنظيم غاوسي متساوي الرسم (Sketched Isotropic Gaussian Regularization - SIGReg) كهدف لمشفّر سحابة النقاط المحلي، حيث يتم تقييمه من خلال مجموعة معايير ثابتة تغطي 14 مجموعة بيانات على مستوى المدينة والبناء. يمزج نموذج بوليس بين تناسق الكوزين المتطابق هندسياً، SIGReg، وعوامل مكافحة الانهيار على غرار VICReg، مع مجموعة تدريب في الهواء الطلق تضم 12.8 ألف مشهد وعينة مشهدية تحافظ على الجاذبية.

أظهرت التجارب المنضبطة أن هذا الهدف يتفوق على بدائل معمارية الطالب-المعلم، فضلاً عن إصدارات بوليس التي لا تحتوي على عوامل مكافحة الانهيار، عبر نفس مجموعة البيانات الممثلة في الخارج. وعلى ثلاثة مجموعات بيانات من مدن منفصلة في التدريب، حقق بوليس متوسط الـ mIoU بنسبة 23.8% مقارنة بـ 16.3% لأفضل مشفر آخر تحت اختبار ثابت عالي السعة، و17.3% مقارنة بـ 16.1% في ميزانية نقاط وفوكيل متطابقة.

تظل الريادة على مستوى المدينة قائمة في مجموعات البيانات التي تم رؤية مجموعاتها التدريبية أثناء التدريب. ومع التقاطات أرضية موضعية تحتوي على تسميات دقيقة للواجهات والشوارع، تنقلب تصنيفات الأداء. توضح نتائجنا أن المعمارية المدمجة التي تعتمد على تنظيم توزيع البيانات يمكن أن تنجح في المشاهد 3D الحضرية الصعبة، وأن تحسين النقل يزداد عندما يتم تصميم الإشراف الذاتي ليتناسب مع هندسة الالتقاط والسياق المكاني لهذا المجال، بينما يكشف أيضاً عن حدود هذا التخصص.