基于深度学习的非刚体三维重建

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：非刚性运动结构的三维重建旨在从二维图像中提取出关键坐标,并恢复其对应的三维形状及姿态.然而,目前的传统方法无法在大规模场景中应用.为此,将卷积神经网络应用于非刚体运动的三维重建中,提出一个基于无监督学习的非刚体三维重建框架.在FacebookAI实验室提出的C3DPO基础上,选择iResNet为backbone,并采用Ranger优化器进行训练.实验结果表明,该框架不仅可以更快地收敛,而且在H36M、Pas⁃cal3D、S-Up3D数据集中的MPJPE(位置误差的绝对平均值)分别达到了92.2、37.1、0.067,均优于C3DPO.

外文标题：Non-rigid 3D Reconstruction Based on Deep Learning

作者：

胡情丰

展开 >

作者单位：

浙江理工大学信息学院,杭州310018

关键词：

非刚性运动估计深度学习三维重建无监督学习神经网络优化器

出版年：

2021

DOI：

10.11907/rjdk.202195