[发明专利]物体功能性预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种物体功能性预测方法、装置、计算机设备和存储介质。包括：获取待预测物体和多个候选场景；将待预测物体和当前候选场景输入距离度量模型，距离度量模型根据已训练的场景特征子网络计算得到当前候选场景对应的特征向量，根据待预测物体和所述当前候选场景对应的特征向量输出待预测物体到所述当前候选场景的距离，其中距离度量模型的模型参数包括由已训练的物体特征子网络确定的参数；根据距离度量模型得到待预测物体到各个候选场景的距离；根据待预测物体到各个候选场景的距离确定待预测物体对应的目标场景；根据目标场景得到待预测物体对应的功能性预测结果，能够提高物体功能预测通用性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种物体功能性预测方法、装置、计算机设备和存储介质。

背景技术

三维物体的功能分析作为理解和操作三维环境的一种方式受到了较多的关注。一个物体的功能可以通过包含这个物体的三维场景来体现，这个物体被称为中心物体，中心物体被一个或多个其它物体所围绕。

传统的物体功能性预测方法通常用几何的方式来分析物体结构从而得到功能性，需要规定很多特定的部件结构模型，并不具有通用性。或通过模拟人形代理来分析人与物体之间的交互，对于物体间相互作用体现的功能，由于不能直接通过模拟人形代理来分析使得功能性预测受到限制。

发明内容

基于此，有必要针对上述技术问题，提供一种能够通过网络模型学习功能相似性来推测物体的功能性，不受限于几何结构，能学习人与物体以及物体之间的交互，从而提高物体功能性预测的通用性的物体功能性预测方法、装置、计算机设备和存储介质。

一种物体功能性预测方法，所述方法包括：

获取待预测物体和多个候选场景；

将待预测物体和当前候选场景输入距离度量模型，所述距离度量模型根据已训练的场景特征子网络计算得到当前候选场景对应的特征向量，根据所述待预测物体和所述当前候选场景对应的特征向量输出所述待预测物体到所述当前候选场景的距离，其中距离度量模型的模型参数包括由已训练的物体特征子网络确定的参数；

根据所述距离度量模型得到待预测物体到各个候选场景的距离；

根据待预测物体到各个候选场景的距离确定所述待预测物体对应的目标场景；

根据所述目标场景得到所述待预测物体对应的功能性预测结果。

在其中一个实施例中，所述已训练的场景特征子网络和物体特征子网络通过以下步骤训练得到：

构建功能相似性网络，所述功能相似性网络包括物体特征子网络和至少2个场景特征子网络，其中各个基本场景特征子网络共享网络参数；

获取训练数据集合，所述训练数据集合中的各个训练数据包括孤立物体数据、正场景数据和负场景数据，其中正场景体现的功能与孤立物体功能相同，负场景体现的功能与孤立物体功能不同；

根据所述训练数据集合对所述功能相似性网络进行训练，根据所述功能相似性网络的输出计算代价函数，调整所述功能相似性网络的参数，直到所述代价函数满足收敛条件，得到已训练的功能相似性网络。

在其中一个实施例中，所述功能相似性网络对应的物体特征子网络的输出为高斯模型对应的参数，所述代价函数为关于孤立物体与正场景之间对应的功能相似性期望、孤立物体与负场景之间对应的功能相似性期望的函数，所述功能相似性期望通过以下公式计算得到：