[发明专利]一种基于无向图学习模型的单图像面片重建方法

摘要

本发明公开了一种基于无向图学习模型的单图像面片重建方法，包括：对现有的三维模型集中的三维模型进行多视角渲染获得训练图像集；使用无向图学习模型表示面片，建立由图像编码和相机视角估计构成的无向图初始化网络，获得该图像对应的相机视角参数，并对初始面片按照估计所得的相机视角参数进行投影，获得无向图初始特征；建立无向图LSTM网络结构和无向图CNN网络结构，对无向图模型进行特征更新，并将无向图每个节点映射到三维空间内的坐标，获得三角面片每个顶点位置；建立无向图初始化网络和无向图更新网络损失，并对神经网络进行多阶段训练；对输入图像使用已训练的网络进行三维重建获得最终面片模型。

主权项

1.一种基于无向图学习模型的单图像面片重建方法，其特征在于，包括以下步骤：步骤1，准备神经网络的训练数据：对现有三维模型集中的所有三维模型进行预处理，得到训练图像集；步骤2，构建无向图初始化网络：使用卷积神经网络建立图像编码器，并对图像进行相机视角估计，获得图像对应的相机视角参数；步骤3，构建无向图更新网络：根据相机视角参数对初始三角面片进行投影，获得无向图更新序列，按照无向图更新序列更新每个无向图节点，将更新的特征传播到整个无向图；步骤4，离线训练无向图初始化网络和无向图更新网络：设计无向图初始化网络和无向图更新网络损失，并设置神经网络输入为步骤1中准备的训练图像集，根据无向图初始化网络和无向图更新网络损失反向传播进行离线训练；步骤5，输入测试图像，得到测试图像对应的三角面片结果。