典型文献
基于改进Pix2Vox的单图像三维重建网络
文献摘要：
为进一步提升由单图像进行三维重建的精度,通过对Pix2Vox网络进行改进,提出一种基于深度学习的方法实现单图像三维重建的神经网络.首先,在Pix2Vox网络结构中增加多尺度连接和通道注意力机制,以保留多尺度信息,强化重点特征学习;其次,提出一个阈值计算模块,实现了适应不同类别的阈值设定方法,优化阈值取值;最后,提出一种融合型损失函数,融合模型的结构损失和类别损失,减小不平衡数据与类间差异对重建效果的影响.实验结果表明,该网络在公共数据集ShapeNet的13种模型类别上,平均IoU指标达到0.670,比Pix2Vox等网络取得了更好的单图像三维重建效果.
文献关键词：
三维重建;单幅图像;深度学习;注意力机制;损失函数
中图分类号：
作者姓名：
何鑫睿;李秀梅;孙军梅;李美玲;袁珑
作者机构：
杭州师范大学信息科学与技术学院 杭州 311121
文献出处：
引用格式：
[1]何鑫睿;李秀梅;孙军梅;李美玲;袁珑-.基于改进Pix2Vox的单图像三维重建网络)[J].计算机辅助设计与图形学学报,2022(03):364-372
A类：
Pix2Vox
B类：
单图像,三维重建,重建网络,通道注意力机制,多尺度信息,重点特征,特征学习,设定方法,融合型,损失函数,融合模型,结构损失,不平衡数据,类间差异,公共数据,ShapeNet,IoU,标达,单幅图像
AB值：
0.347082
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
