文本与3D形状的相互转化系统设计与实现

发布时间：2021-05-27 08:56

　　近年来,随着3D传感器功能的愈发强大,3D数据的获取也越来越容易。而3D数据更加接近现实世界维度,能够更加逼真地展示现实世界的方方面面,这也导致了当前VR,AR等3D应用的愈发火爆。如何理解这些3D数据成为了人们的迫切需求。而文字是人类文明的高度凝练和智慧结晶,让人们能够交流思想,感受和想法,精准地描述现实世界,是人类理解世界的主要方式之一。找到文字和3D数据之间的某种仍未发现的内在联系成为了人们的兴趣。本文的文本和3D形状的相互转化系统则试图在自然语言和3D视觉模式之间发现一种内在联系。本文通过系统需求分析,将整个系统合理划分为三个模块,设计并实现了:（1）实例级关联学习,结合联合学习与度量学习,解决文本和3D形状之间的跨模态语义联系学习问题;（2）文本嵌入解码器,使用GRU Encoder-Decoder模型,解决长短期记忆学习和参数量问题,使得文本和文本嵌入的相互转化更加准确高效;（3）文本嵌入和3D形状相互转化的模型,使用CycleGAN算法,充分利用文本嵌入和3D形状之间的监督信息,解决两者相互转化的对应问题,从而提高整个系统的转化准确率。最后的实验结果证明本文的系统效果比之... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状以及技术难点
    1.3 研究内容和创新点
    1.4 论文结构安排
2 相关技术研究
    2.1 卷积神经网络
    2.2 跨模态学习
    2.3 机器翻译
    2.4 图像转化
    2.5 数据集
    2.6 本章小结
3 系统设计
    3.1 实例级关联学习设计
    3.2 文本嵌入解码器设计
    3.3 文本嵌入和3D形状相互转化的模型设计
    3.4 本章小结
4 系统实现与实验结果
    4.1 实例级关联学习
    4.2 文本嵌入解码器
    4.3 文本嵌入和3D形状相互转化的模型
    4.4 本章小结
5 总结与展望
    5.1 论文总结
    5.2 后续工作展望
致谢
参考文献



本文编号：3207284