典型文献
Transformer架构下的稠密NRSfM网络实现
文献摘要：
针对单目三维稠密重建任务传统方法可扩展性较低的特点,基于Transformer架构改进出能使用深度学习方法求解的三维运动重建网络,并提高网络的三维重建精度.修改Transfomer架构的查询矩阵、键矩阵和值矩阵,并使用点积与Moore-Penrose伪逆操作替换Transformer中的点积注意力.将传统三维非刚体运动重建过程嵌入Trans?former求解.实验结果表明,基于Transformer架构改进的三维非刚体运动重建网络错误率逼近最新的传统三维非刚体重建方法,相较于现有唯一的三维非刚体运动重建网络即N-NRSfM网络在某些情形下错误率降低5％左右.基于Transformer改进的稠密三维运动重建网络是利用神经网络处理单目三维非刚体运动重建的又一次尝试,相较于目前唯一的N-NRSfM网络,基于Transformer改进的稠密三维运动重建网络设计更加合理、错误率更低.
文献关键词：
NRSfM;稠密NRSfM;Transformer;计算机视觉;神经网络
中图分类号：
作者姓名：
黄萌;汪亚明
作者机构：
浙江理工大学信息学院,浙江杭州310018
文献出处：
引用格式：
[1]黄萌;汪亚明-.Transformer架构下的稠密NRSfM网络实现)[J].软件导刊,2022(04):91-97
A类：
NRSfM
B类：
Transformer,稠密,单目,可扩展性,使用深度,深度学习方法,重建网络,三维重建,重建精度,Transfomer,矩阵和,Moore,Penrose,刚体,错误率,逼近,重建方法,网络设计,计算机视觉
AB值：
0.242743
相似文献
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。
