基于深度学习的单视图三维重建
单视图三维重建在计算机视觉领域中是一个具有挑战性的问题.为了提升现有三维重建算法重建后三维模型的精度,本文除了提取图像全局特征之外还提取图像局部特征,结合全局特征和局部特征并选取SDF(signed distance function)作为重建后的三维物体表达方式,不仅提高了模型的精度,生成了更高质量的3D形状,还增强了模型的泛化能力,使得深度模型可以以较高质量重建出其他物体种类.实验结果表明,本文提出的深度网络结构和3D形状表示方法与当今最先进的重建算法相比,无论在重建后三维模型的效果还是新型物体的泛化中都有更好的表现.
三维重建、单视图、泛化能力、深度学习、隐性表面
31
TP391.41;TP181;TN911.73
国家自然科学基金61370003
2022-09-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
300-305