[发明专利]一种基于几何图像参数化的三维网格模型生成方法

权利要求书

1.一种基于几何图像参数化的三维网格模型生成方法，其特征在于：

该方法通过构建新的网络框架实现，所述网络框架由对抗生成部分和预测部分构成；对抗生成部分的两路对抗网络分别对应生成几何图像和法向图像，预测部分将两个子网络关联，刻画了基于法向预测的一致性约束；所述网络框架实现几何对抗网和法向对抗网的协同训练；该方法学习得到几何-法向联合分布，在输入任意向量的情况下，该网络输出与之对应的几何-法向图像对，通过该图像对重建对应的三维网格模型；

所述对抗生成部分包括以下分步骤：

(1.1)通过几何图像参数化，三角网格映射为具有规则拓扑结构2D图像对，该图像对包括几何图像和法向图像；

(1.2)两个独立的生成对抗网络分别多样性生成几何图像和法向图像；

所述步骤(1.2)生成对抗网络模型选择以Wasserstein距离为数据分布距离度量基础的WGAN，分别记生成几何图像的生成对抗网和生成法向图像的生成对抗网为GAN1和GAN2，两个对抗损失表达式如下：

其中，G₁，D₁表示GAN1中的生成器和判别器，G₂，D₂表示GAN2中的生成器和判别器，z代表服从特定分布pZ的随机变量，x₁和x₂分别是采样于几何图像分布pX₁和法向图像分布pX₂的样本，判别器D₁的目的是判别输入的图片是来自生成器生成的样本还是来自真实图像数据集，生成器G₁努力生成和x₁图像集相似的样本，来欺骗D₁，最小化公式(1)来优化生成器G₁，最大化公式(1)来优化生成器D₁，GAN2的优化过程与GAN1是相同的，由此进行几何图像和法向图像的粗糙生成；

所述预测部分为：

定义几何图像、法向图像均为[n×n]的2D像素矩阵，几何图像像素点值为顶点空间坐标值，记为[x，y，z]，法向图像像素点值为顶点法向向量，记为[nx，ny，nz]，几何图像M(u，v)和法向图像N(u，v)定义如下：

M(u，v)＝[x(u，v)，y(u，v)，z(u，v)]    (3)

N(u，v)＝[nx(u，v)，ny(u，v)，nz(u，v)]    (4)

其中，u＝1，2，…n，v＝1，2，…n；以(u，v)为顶点的三角面片共J个，给定J个面片的法向量，则(u，v)处的顶点法向量由这J个面片的法向量的求和平均计算得到：

其中j＝1，2，…J是包含(u，v)顶点的三角面片编号，J＝6；

所述预测部分还包括：

将第一个三角面片的三个顶点M(u，v)，M(u-1，v)和M(u-1，v-1)记为M₁，M₂，M₃，则第一个三角面片法向量计算如下：

基于上述预测过程，得到预测算子

2.根据权利要求1所述的基于几何图像参数化的三维网格模型生成方法，其特征在于：所述实现对抗生成与预测协同训练中，建立GAN1和GAN2的之间的一致性联系，损失函数如下：

L_c(G₁，G₂)＝E_z～pz||F(G₁(z))-G₂(z)||_l    (10)

其中||·||_l表示l范数，总损失函数为：

L(G₁，G₂，D₁，D₂)＝L_g(G₁，D₁)+λ₁L_n(G₂，D₂)+λ₂L_c(G₁，G₂)    (11)

其中，权重λ₁，λ₂来控制所属部分的重要性，公式(11)转化为解决如下问题：

在网络训练过程中G₁，G₂共享同一输入z。