《表2 本文模型与其他模型在Shape Net数据集下CD值的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度CNN-RNN的单图三维重建网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:黑体数字为最优结果。

表2为本文模型与其他模型在Shape Net数据集下CD值的对比，其中本文方法在飞机、柜子、汽车、显示器、灯、音响、沙发等模型的三维重建中具有更好的效果。分析发现上述几种类型数据中部分细节信息较为重要，对最终三维重建误差影响较大，如飞机尾翼、汽车轮胎、显示器底座等信息，而现有基于深度学习的三维重建算法对其特征提取不完善，难以构建完整的三维模型，因此其重建结果误差较大。本文算法从多尺度进行二维卷积特征提取，能够更有效地提取二维图像中细节特征信息。特征信息通过RNN对数据进行保留、整合及三维编码，最终得到更加精细的三维模型结果。