計算機視覺領(lǐng)域自誕生起就備受關(guān)注。計算機場景生成問題,作為計算機視覺領(lǐng)域一個重要的分支,涉及各種各樣的應(yīng)用場景,例如游戲的地圖建模,家居裝飾和城市對象布局。廣闊的市場前景促使越來越多的研究人員對該問題進行研究。當前,該問題主要包括硬件方法和軟件方法。硬件方法要求苛刻的設(shè)備和環(huán)境,樣本掃描將完全確定生成的樣本。場景生成的多樣性受到極大限制。通過從案例庫中選擇布局對象,然后將其布置在給定的空間中,此方法正變得越來越主流。但是,對于不同的模型仍然存在兩個主要問題。一是該算法耗時多且不能解決對象過多,布局空間復(fù)雜的布局問題。針對上述問題,我們開始研究基于室內(nèi)場景生成的高性能交互式室內(nèi)家具布局算法。主要貢獻如下:本文首先提出了一種基于功能區(qū)域劃分和家具填充的方法,以解決復(fù)雜客廳環(huán)境中布局對象過多的布局問題。根據(jù)功能,我們假設(shè)每種家具可以布置在一個或幾個功能區(qū)域中。通過使用生成對抗網(wǎng)絡(luò)（GAN）將空房間區(qū)域劃分為幾個功能區(qū)域。本文闡述了功能區(qū)域劃分的學(xué)習(xí)過程,包括目標功能的構(gòu)建和訓(xùn)練過程。此外,為了將家具填充到特定的功能區(qū)域,本文提出了一種基于學(xué)習(xí)的家具填充算法。通過針對每種類型的功能區(qū)域訓(xùn)練完全... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 室內(nèi)家居場景的生成概述
        1.2.2 基于樣例生成的(Sample-based method)室內(nèi)場景合成
        1.2.3 基于規(guī)則的(Rule-based layout method)布局方法
        1.2.4 (Data-driven)數(shù)據(jù)驅(qū)動的方法
    1.3 本文主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)和創(chuàng)新點
        1.4.1 組織結(jié)構(gòu)
        1.4.2 創(chuàng)新點
    1.5 本章小結(jié)
第2章 深度對抗網(wǎng)絡(luò)的實現(xiàn)與優(yōu)化
    2.1 生成式對抗網(wǎng)絡(luò)(GAN)原理概述
        2.1.1 判別器
        2.1.2 生成器
        2.1.3 GAN的優(yōu)化函數(shù)以及訓(xùn)練方法
    2.2 生成式對抗網(wǎng)絡(luò)的變種
    2.3 深度學(xué)習(xí)相關(guān)知識
        2.3.1 卷積與反卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 神經(jīng)網(wǎng)絡(luò)的優(yōu)化策略
    2.4 PyTorch深度學(xué)習(xí)框架
    2.5 本章小結(jié)
第3章 DCGAN實現(xiàn)室內(nèi)場景智能布局
    3.1 引言
    3.2 pix to pix問題和DCGAN網(wǎng)絡(luò)
    3.3 室內(nèi)場景智能布局綜述
        3.3.1 數(shù)據(jù)集的制作
        3.3.2 DCGAN功能區(qū)域劃分
        3.3.3 拓撲填充家具
    3.4 實驗設(shè)置
    3.5 結(jié)果和分析
    3.6 本章小結(jié)
第4章 交互式生成多樣性室內(nèi)場景
    4.1 引言
    4.2 GAN解決text to image問題
    4.3 交互式功能區(qū)域劃分綜述
        4.3.1 數(shù)據(jù)集的制作
        4.3.2 TextGAN交互式劃分功能區(qū)
    4.4 功能區(qū)內(nèi)家具放置
    4.5 實驗設(shè)置
    4.6 結(jié)果和分析
第5章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻
附錄 攻讀碩士學(xué)位期間的科研項目及成果
致謝



本文編號：3191194