基于稀疏特征改进的单视图表面重建
打开文本图片集
摘 要：基于深度学习的单视图三维重建是当前的研究热点。为重建出更多的高频细节，SDF-SRN算法引入了位置编码，但在缺乏精确监督时，网络容易过拟合而导致凹凸不平的重建结果。针对这个问题，提出一种基于稀疏特征的网络模型，该模型凭借残差学习机制，令容易过拟合的网络预测高频残差。通过特征提取网络得到稀疏特征和全局特征，稀疏特征输入到一个超网络中生成预测浅头，该浅头负责预测符号距离函数的低频部分，而全局特征输入到另一个超网络生成另一个浅头来预测高频残差，这两部分通过权重因子构成最终的符号距离函数。（剩余17012字）
