基于深度学习的三维重建及渲染方法研究

发布时间：2023-06-01 05:31

　　计算机视觉和计算机图形学领域的主要研究目标是如何使计算机具备人的视觉能力,其主要包含两个方面:一是渲染,即将客观存在的三维世界通过视觉系统映射为二维图像;二是重建,即通过人眼或者摄像机捕捉的二维投影图实现对三维场景的理解与感知。如今,计算机科学技术、神经网络以及深度学习等方法的迅猛发展,使得基于图像的三维重建及渲染技术在导航定位、医疗图像、资源探测、工业设计、自动驾驶、数字娱乐及智慧城市方面的应用愈发普遍。因此,研究高效、准确的三维重建和渲染方法具有非常重要的社会和学术价值。经典的三维重建方法利用深度传感设备,从多个视角获取具有深度信息的图像,进而去恢复物体完整的三维结构。在实际应用中,扫描重建对象的所有表面并不总是可行的,这可能导致重建的三维结构出现塌陷、空洞等现象;而且处理多视角图像需要消耗更多的计算资源,无法满足实际应用中对实时性的要求。此外,传统的三维渲染解决方案因渲染管线中使用了光栅化、可见性计算等离散运算,导致渲染方程没有明确建立渲染参数和投影图之间的关系,因此无法实现逆向渲染。针对上述问题,本论文提出一种基于卷积神经网络的三维重建和渲染模型,其既可以基于单视角图像实现对物...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究框架
    1.4 论文结构
第2章 神经网络与卷积神经网络
    2.1 神经网络
        2.1.1 生物学解释与连接
        2.1.2 损失函数和最优化
        2.1.3 反向传播
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
    2.3 神经网络的训练
        2.3.1 数据预处理
        2.3.2 合理性检查
        2.3.3 参数更新
    2.4 本章小结
第3章 特征提取网络对比和分析
    3.1 ALEXNET网络架构
    3.2 VGG网络架构
    3.3 RESNET网络架构
    3.4 本章小结
第4章 三维重建和渲染网络分析
    4.1 基于单幅图像的物体三维重建网络
    4.2 基于体素模型的三维渲染网络
    4.3 本章小结
第5章 基于深度学习的三维重建和渲染网络
    5.1 三维重建与渲染模型
        5.1.1 重建网络组织结构
        5.1.2 渲染网络组织结构
    5.2 实验分析
        5.2.1 数据预处理与网络训练
        5.2.2 重建效果分析
        5.2.3 渲染效果分析
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
项目支撑
致谢
攻读硕士学位期间的研究成果



本文编号：3826713