基于平面补丁的自适应八叉树三维图像重建
文献类型:期刊论文
作者 | 姚程1,2; 马彩文1,2![]() |
刊名 | 光学精密工程
![]() |
出版日期 | 2022-05-10 |
卷号 | 30期号:9页码:1113-1122 |
ISSN号 | 1004924X |
关键词 | 计算机视觉 三维重建 卷积神经网络 神经网络 |
DOI | 10.37188/OPE.20223009.1113 |
其他题名 | Adaptive octree 3D image reconstruction based on plane patch |
产权排序 | 1 |
英文摘要 | 提出了一种基于平面补丁的自适应八叉树卷积神经网络(Octree Convolutional Neural Networks,O-CNN),用于进行有效的三维形状编码和解码。不同于基于体素或基于八叉树的卷积神经网络(Convolutional Neural Networks,CNN),以相同的分辨率表示具有体素的三维形状,O-CNN可自适应地表示具有不同层次的八叉树节点的三维形状,并使用平面补丁对每个八叉树节点内的三维形状进行建模。依据这种自适应表示设计了一种用于编码和解码三维形状的自适应O-CNN编码器和解码器。自适应O-CNN编码器将平面补丁法线和位移作为输入,仅在每个级别的八叉树节点上执行三维卷积操作,而自适应O-CNN解码器则推断每个层次的八叉树节点的形状占有率和细分状态,并估计每个最佳叶八叉树节点的平面法线和位移。通过对单个图像的形状预测验证了自适应O-CNN的生成任务的效率和有效性,倒角距离误差为0.274,低于OctGen的倒角距离误差0.294,取得了更好的重建效果。作为3D形状分析和生成的通用框架,基于平面补丁的自适应O-CNN不仅减少了内存和计算成本,而且比现有的3D-CNN方法具有更好的形状生成能力。 |
语种 | 中文 |
源URL | [http://ir.opt.ac.cn/handle/181661/96033] ![]() |
专题 | 西安光学精密机械研究所_光电测量技术实验室 |
通讯作者 | 姚程 |
作者单位 | 1.中国科学院大学 2.中国科学院西安光学精密机械研究所 |
推荐引用方式 GB/T 7714 | 姚程,马彩文. 基于平面补丁的自适应八叉树三维图像重建[J]. 光学精密工程,2022,30(9):1113-1122. |
APA | 姚程,&马彩文.(2022).基于平面补丁的自适应八叉树三维图像重建.光学精密工程,30(9),1113-1122. |
MLA | 姚程,et al."基于平面补丁的自适应八叉树三维图像重建".光学精密工程 30.9(2022):1113-1122. |
入库方式: OAI收割
来源:西安光学精密机械研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。