《表2 本文模型与其他模型在Shape Net数据集下CD值的比较》
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。
图表编号 | XD00222780700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.05 |
作者 | 张冀、郑传哲 |
绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |