非線性參數(shù)化三維人手模型及其應(yīng)用
發(fā)布時間:2023-05-06 04:10
三維重建,在計算機視覺和計算機圖形學(xué)領(lǐng)域中一直是研究的熱點問題。人手作為人與外界進行信息交互的重要器官,三維人手重建在增強現(xiàn)實、虛擬現(xiàn)實和新式人機交互等應(yīng)用中都占據(jù)著重要的位置。三維人手表示模型是三維人手重建的核心問題之一。傳統(tǒng)的鉸接式參數(shù)化模型表示能力有限,無法表示精細的人手或復(fù)雜的姿勢。為此,本文設(shè)計了一個新穎的基于學(xué)習(xí)方法的非線性參數(shù)化三維人手模型HandVAE,并將其應(yīng)用到單目RGB-D/RGB三維人手重建任務(wù)當(dāng)中。本文的主要研究內(nèi)容包括:(1)構(gòu)造大規(guī)模的高質(zhì)量三維人手網(wǎng)格數(shù)據(jù)集;(2)基于學(xué)習(xí)方法的三維人手模型HandVAE;(3)基于HandVAE的單目RGB-D/RGB三維人手重建模型。構(gòu)造大規(guī)模的高質(zhì)量三維人手網(wǎng)格數(shù)據(jù)集:為了減小模型的訓(xùn)練難度并提升模型的質(zhì)量,我們基于公開的三維人手網(wǎng)格數(shù)據(jù)集MANO構(gòu)造了一個大規(guī)模的、高質(zhì)量的三維人手?jǐn)?shù)據(jù)集。首先,在MANO數(shù)據(jù)集中選取參考網(wǎng)格,采用細分和重新網(wǎng)格化的幾何處理方法提升它的質(zhì)量。然后,用高質(zhì)量化后的參考網(wǎng)格擬合MANO數(shù)據(jù)集中的其他網(wǎng)格。最后,采用插值的方法進行數(shù)據(jù)增強。我們構(gòu)造的數(shù)據(jù)集可以看作是MANO數(shù)據(jù)集的一種擴...
【文章頁數(shù)】:57 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本篇論文所完成的工作及結(jié)構(gòu)
第2章 預(yù)備知識
2.1 ACAP特征
2.1.1 由網(wǎng)格提取ACAP特征
2.1.2 將ACAP特征轉(zhuǎn)化為網(wǎng)格
2.2 MANO模型
2.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.3.1 多層感知機
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3.3 改進的卷積神經(jīng)網(wǎng)絡(luò)
2.3.4 圖卷積神經(jīng)網(wǎng)絡(luò)
2.4 變分自編碼器
2.4.1 變分下界
2.4.2 優(yōu)化目標(biāo)
2.4.3 參數(shù)變換
第3章 構(gòu)造人手網(wǎng)格數(shù)據(jù)集
3.1 構(gòu)造數(shù)據(jù)集的目的和總述
3.2 構(gòu)造數(shù)據(jù)集的方法
3.2.1 提升網(wǎng)格質(zhì)量
3.2.2 擬合原始數(shù)據(jù)
3.2.3 數(shù)據(jù)增強
第4章 人手模型-HandVAE
4.1 概述
4.2 人手模型介紹
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 網(wǎng)絡(luò)中的訓(xùn)練細節(jié)
4.3 實驗及結(jié)果展示
4.3.1 點到點的重建
4.3.2 具有關(guān)節(jié)點稀疏約束的重建
4.3.3 點到點云的重建
4.3.4 生成與插值實驗
4.4 項目的總結(jié)與分析
第5章 基于HandVAE的人手重建模型
5.1 概述
5.2 人手重建模型介紹
5.2.1 數(shù)據(jù)描述及預(yù)處理方法
5.2.2 編碼器結(jié)構(gòu)
5.2.3 損失函數(shù)
5.2.4 訓(xùn)練細節(jié)
5.3 實驗及結(jié)果展示
5.4 項目的總結(jié)與分析
第6章 總結(jié)與展望
參考文獻
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果
本文編號:3809000
【文章頁數(shù)】:57 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本篇論文所完成的工作及結(jié)構(gòu)
第2章 預(yù)備知識
2.1 ACAP特征
2.1.1 由網(wǎng)格提取ACAP特征
2.1.2 將ACAP特征轉(zhuǎn)化為網(wǎng)格
2.2 MANO模型
2.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.3.1 多層感知機
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
2.3.3 改進的卷積神經(jīng)網(wǎng)絡(luò)
2.3.4 圖卷積神經(jīng)網(wǎng)絡(luò)
2.4 變分自編碼器
2.4.1 變分下界
2.4.2 優(yōu)化目標(biāo)
2.4.3 參數(shù)變換
第3章 構(gòu)造人手網(wǎng)格數(shù)據(jù)集
3.1 構(gòu)造數(shù)據(jù)集的目的和總述
3.2 構(gòu)造數(shù)據(jù)集的方法
3.2.1 提升網(wǎng)格質(zhì)量
3.2.2 擬合原始數(shù)據(jù)
3.2.3 數(shù)據(jù)增強
第4章 人手模型-HandVAE
4.1 概述
4.2 人手模型介紹
4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.2.2 網(wǎng)絡(luò)中的訓(xùn)練細節(jié)
4.3 實驗及結(jié)果展示
4.3.1 點到點的重建
4.3.2 具有關(guān)節(jié)點稀疏約束的重建
4.3.3 點到點云的重建
4.3.4 生成與插值實驗
4.4 項目的總結(jié)與分析
第5章 基于HandVAE的人手重建模型
5.1 概述
5.2 人手重建模型介紹
5.2.1 數(shù)據(jù)描述及預(yù)處理方法
5.2.2 編碼器結(jié)構(gòu)
5.2.3 損失函數(shù)
5.2.4 訓(xùn)練細節(jié)
5.3 實驗及結(jié)果展示
5.4 項目的總結(jié)與分析
第6章 總結(jié)與展望
參考文獻
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果
本文編號:3809000
本文鏈接:http://sikaile.net/shoufeilunwen/xixikjs/3809000.html
最近更新
教材專著