基于深度學(xué)習(xí)的三維重建及渲染方法研究
發(fā)布時間:2023-06-01 05:31
計算機視覺和計算機圖形學(xué)領(lǐng)域的主要研究目標(biāo)是如何使計算機具備人的視覺能力,其主要包含兩個方面:一是渲染,即將客觀存在的三維世界通過視覺系統(tǒng)映射為二維圖像;二是重建,即通過人眼或者攝像機捕捉的二維投影圖實現(xiàn)對三維場景的理解與感知。如今,計算機科學(xué)技術(shù)、神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)等方法的迅猛發(fā)展,使得基于圖像的三維重建及渲染技術(shù)在導(dǎo)航定位、醫(yī)療圖像、資源探測、工業(yè)設(shè)計、自動駕駛、數(shù)字娛樂及智慧城市方面的應(yīng)用愈發(fā)普遍。因此,研究高效、準確的三維重建和渲染方法具有非常重要的社會和學(xué)術(shù)價值。經(jīng)典的三維重建方法利用深度傳感設(shè)備,從多個視角獲取具有深度信息的圖像,進而去恢復(fù)物體完整的三維結(jié)構(gòu)。在實際應(yīng)用中,掃描重建對象的所有表面并不總是可行的,這可能導(dǎo)致重建的三維結(jié)構(gòu)出現(xiàn)塌陷、空洞等現(xiàn)象;而且處理多視角圖像需要消耗更多的計算資源,無法滿足實際應(yīng)用中對實時性的要求。此外,傳統(tǒng)的三維渲染解決方案因渲染管線中使用了光柵化、可見性計算等離散運算,導(dǎo)致渲染方程沒有明確建立渲染參數(shù)和投影圖之間的關(guān)系,因此無法實現(xiàn)逆向渲染。針對上述問題,本論文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的三維重建和渲染模型,其既可以基于單視角圖像實現(xiàn)對物...
【文章頁數(shù)】:53 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文研究框架
1.4 論文結(jié)構(gòu)
第2章 神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)
2.1 神經(jīng)網(wǎng)絡(luò)
2.1.1 生物學(xué)解釋與連接
2.1.2 損失函數(shù)和最優(yōu)化
2.1.3 反向傳播
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層
2.2.2 池化層
2.2.3 全連接層
2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.3.1 數(shù)據(jù)預(yù)處理
2.3.2 合理性檢查
2.3.3 參數(shù)更新
2.4 本章小結(jié)
第3章 特征提取網(wǎng)絡(luò)對比和分析
3.1 ALEXNET網(wǎng)絡(luò)架構(gòu)
3.2 VGG網(wǎng)絡(luò)架構(gòu)
3.3 RESNET網(wǎng)絡(luò)架構(gòu)
3.4 本章小結(jié)
第4章 三維重建和渲染網(wǎng)絡(luò)分析
4.1 基于單幅圖像的物體三維重建網(wǎng)絡(luò)
4.2 基于體素模型的三維渲染網(wǎng)絡(luò)
4.3 本章小結(jié)
第5章 基于深度學(xué)習(xí)的三維重建和渲染網(wǎng)絡(luò)
5.1 三維重建與渲染模型
5.1.1 重建網(wǎng)絡(luò)組織結(jié)構(gòu)
5.1.2 渲染網(wǎng)絡(luò)組織結(jié)構(gòu)
5.2 實驗分析
5.2.1 數(shù)據(jù)預(yù)處理與網(wǎng)絡(luò)訓(xùn)練
5.2.2 重建效果分析
5.2.3 渲染效果分析
5.3 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻
項目支撐
致謝
攻讀碩士學(xué)位期間的研究成果
本文編號:3826713
【文章頁數(shù)】:53 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文研究框架
1.4 論文結(jié)構(gòu)
第2章 神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)
2.1 神經(jīng)網(wǎng)絡(luò)
2.1.1 生物學(xué)解釋與連接
2.1.2 損失函數(shù)和最優(yōu)化
2.1.3 反向傳播
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層
2.2.2 池化層
2.2.3 全連接層
2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
2.3.1 數(shù)據(jù)預(yù)處理
2.3.2 合理性檢查
2.3.3 參數(shù)更新
2.4 本章小結(jié)
第3章 特征提取網(wǎng)絡(luò)對比和分析
3.1 ALEXNET網(wǎng)絡(luò)架構(gòu)
3.2 VGG網(wǎng)絡(luò)架構(gòu)
3.3 RESNET網(wǎng)絡(luò)架構(gòu)
3.4 本章小結(jié)
第4章 三維重建和渲染網(wǎng)絡(luò)分析
4.1 基于單幅圖像的物體三維重建網(wǎng)絡(luò)
4.2 基于體素模型的三維渲染網(wǎng)絡(luò)
4.3 本章小結(jié)
第5章 基于深度學(xué)習(xí)的三維重建和渲染網(wǎng)絡(luò)
5.1 三維重建與渲染模型
5.1.1 重建網(wǎng)絡(luò)組織結(jié)構(gòu)
5.1.2 渲染網(wǎng)絡(luò)組織結(jié)構(gòu)
5.2 實驗分析
5.2.1 數(shù)據(jù)預(yù)處理與網(wǎng)絡(luò)訓(xùn)練
5.2.2 重建效果分析
5.2.3 渲染效果分析
5.3 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻
項目支撐
致謝
攻讀碩士學(xué)位期間的研究成果
本文編號:3826713
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3826713.html
最近更新
教材專著