基于深度学习的非刚体三维重建

• 作者: 胡情丰
• 来源期刊: 软件导刊
• 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
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 43-48
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202195

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.