一种基于动态质量细化网络的三维形状补全方法

    公开(公告)号:CN119963771A

    公开(公告)日:2025-05-09

    申请号:CN202510099679.2

    申请日:2025-01-22

    Abstract: 本发明涉及一种基于动态质量细化网络的三维形状补全方法,包括:S1:将单幅深度视图转换为2.5D体素网格,将其输入到编码器网络,生成粗糙的三维体素网格;S2:对粗糙的三维体素网格的高不确定性点采样,引入局部点细化器,得到细化的点,更新粗糙的三维体素网格;S3:引入全局点细化器,利用基于条件对抗学习的多尺度判别器网络,对更新后的粗糙的三维体素网格的细节进行优化,生成预测的三维体素网格;S4:使用损失函数缩小预测的三维体素网格与真实体素网格之间的距离,迭代训练网络模型,利用训练好的编解码网络,得到三维形状。根据本发明技术方案,减轻了噪声对重建质量的影响,同时可以作为一种稀疏正则化提高模型的鲁棒性。

Patent Agency Ranking