-
公开(公告)号：CN114723880A
公开(公告)日：2022-07-08
申请号：CN202210291175.7
申请日：2022-03-23
Applicant: 南京大学
Abstract: 本发明公开了一种基于多视角成本体积的卷积网络三维模型重建方法，包括：通过一个共享权重的编码网络，提取输入的多视角图片数据的特征图；依据参考相机视点的平行平面，将特征图扭曲到不同的深度，得到每个特征图对应的特征体积；采用基于方差的成本度量将多个特征体积融合成一个成本体积；采用3D网格推理对得到的成本体积进行降噪处理，重建出最终的体素，完成基于多视角成本体积的卷积网络三维模型重建。本发明使用三维网格推理，添加几何约束，来产生高质量的输出；将每个视角都作为一次参考视角，保证了最终的结果与输入的无关性，从而提高了网络的合理性；选取新的深度值，使得产生的结果的形状与用来监督的形状的相吻合。
-
公开(公告)号：CN114693923A
公开(公告)日：2022-07-01
申请号：CN202210221944.6
申请日：2022-03-09
Applicant: 南京大学
Abstract: 本发明提供了一种基于上下文和注意力的三维点云语义分割方法，包括：步骤1，对输入三维点云模型数据集采集数据；步骤2，用关系形状网络对点云数据进行逐点特征提取，得到包含形状信息的点云特征；步骤3，用上下文—注意力模块对提取的点云特征进行类内类间特征约束和强化，得到具备上下文先验和全局语义关联的点云特征；步骤4，采用多层感知机分类器对点云特征进行分类，得到点云数据中每个点的最终预测标签。
-
公开(公告)号：CN112785526B
公开(公告)日：2023-12-05
申请号：CN202110116229.1
申请日：2021-01-28
Applicant: 南京大学
Abstract: 本发明提供了一种用于图形处理的三维点云修复方法，包括：步骤1，对输入点云模型数据集采集数据；步骤2，采用基于Self‑Attention自注意力机制的方法和多层感知机MLP相结合得到长距离依赖关系提取网络，用该长距离依赖关系提取网络将输入点云映射为全局特征向量，再采用拓扑根树结构的解码器生成不完整点云的缺失部分；步骤3，将不完整点云及生成的缺失部分点云合成到一起，得到最终修复后的完整点云模型。
-
公开(公告)号：CN118212253A
公开(公告)日：2024-06-18
申请号：CN202410327760.7
申请日：2024-03-21
Applicant: 南京大学
IPC: G06T7/13 , G06T5/50 , G06T5/60 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/10 , G06N3/045 , G06N3/084
Abstract: 本发明提供了一种基于霍夫投票的点云参数化边缘曲线检测方法，包括：采集代表CAD模型的点云和边缘曲线参数数据；对点云进行点分类，得到点云的边缘点集；对边缘点集进行卷积操作；获得投票点集；以投票点为中心，找到附近的投票点集，聚合特征得到每个点的局部特征；对投票点进行位置编码，与局部特征拼接，输入到编码其中获取曲线特征信息；将曲线特征信息输入到曲线参数预测网络中，得到曲线参数、类型以及置信度；获得筛选后的曲线点集；融合边缘点位置、点特征、对应的投票点位置和曲线特征生成新的曲线特征；得到最终预测的边缘曲线参数集合。本发明这种从粗到细的策略在全局和局部两个层面上优化了模型，提高了模型的鲁棒性和适应性。
-
公开(公告)号：CN114693923B
公开(公告)日：2025-05-09
申请号：CN202210221944.6
申请日：2022-03-09
Applicant: 南京大学
Abstract: 本发明提供了一种基于上下文和注意力的三维点云语义分割方法，包括：步骤1，对输入三维点云模型数据集采集数据；步骤2，用关系形状网络对点云数据进行逐点特征提取，得到包含形状信息的点云特征；步骤3，用上下文—注意力模块对提取的点云特征进行类内类间特征约束和强化，得到具备上下文先验和全局语义关联的点云特征；步骤4，采用多层感知机分类器对点云特征进行分类，得到点云数据中每个点的最终预测标签。
-
Patent Agency Ranking
公开(公告)号：CN112785526A
公开(公告)日：2021-05-11
申请号：CN202110116229.1
申请日：2021-01-28
Applicant: 南京大学
Abstract: 本发明提供了一种用于图形处理的三维点云修复方法，包括：步骤1，对输入点云模型数据集采集数据；步骤2，采用基于Self‑Attention自注意力机制的方法和多层感知机MLP相结合得到长距离依赖关系提取网络，用该长距离依赖关系提取网络将输入点云映射为全局特征向量，再采用拓扑根树结构的解码器生成不完整点云的缺失部分；步骤3，将不完整点云及生成的缺失部分点云合成到一起，得到最终修复后的完整点云模型。
-
公开(公告)号：CN108389251B
公开(公告)日：2020-04-17
申请号：CN201810235912.5
申请日：2018-03-21
Applicant: 南京大学
Abstract: 本发明公开了基于融合多视角特征的投影全卷积网络三维模型分割方法，包括：步骤1，对输入三维网格模型数据集采集数据；步骤2，用融合多视角特征的FCN全卷积网络对模型投影渲染图进行语义分割，得到模型在各个视点方向下投影渲染图的像素被预测为各个标签的概率；步骤3，对模型在各个视点方向下投影渲染图语义分割概率图进行反投并采用最大视角池化，得到模型面片被预测为各个标签的概率；步骤4，采用Graph Cut图割算法进行优化，得到模型面片的最终预测标签。
-
公开(公告)号：CN108389251A
公开(公告)日：2018-08-10
申请号：CN201810235912.5
申请日：2018-03-21
Applicant: 南京大学
Abstract: 本发明公开了基于融合多视角特征的投影全卷积网络三维模型分割方法，包括：步骤1，对输入三维网格模型数据集采集数据；步骤2，用融合多视角特征的FCN全卷积网络对模型投影渲染图进行语义分割，得到模型在各个视点方向下投影渲染图的像素被预测为各个标签的概率；步骤3，对模型在各个视点方向下投影渲染图语义分割概率图进行反投并采用最大视角池化，得到模型面片被预测为各个标签的概率；步骤4，采用Graph Cut图割算法进行优化，得到模型面片的最终预测标签。
-
公开(公告)号：CN118135363A
公开(公告)日：2024-06-04
申请号：CN202410320521.9
申请日：2024-03-20
Applicant: 南京大学
IPC: G06V10/80 , G06T7/80 , G06V10/774 , G06T5/50 , G06N3/0464 , G06N3/084 , G06T15/00 , G06T3/4007
Abstract: 本发明公开了一种基于点特征与神经辐射场的新视角合成方法，包括：步骤1，采集多视角图片数据、相机参数、深度图；步骤2，将多视角图片、相机参数作为输入，得到每个视角下的深度图以及对应的置信度；步骤3，从深度图中采样得到神经点云的位置信息，点云的置信度为深度值的置信度，对输入的图片提取特征，融合点特征、局部特征与全局特征，作为神经点云的特征信息；步骤4，构建相机到成像平面的神经辐射场，得到神经辐射场中每个采样点的特征。步骤5，进行渲染得到新视角图片。本发明提出了一种合理的特征提取与特征聚合的方式，从而进一步提升了基于点特征和神经辐射场的新视角合成的效果。
-
公开(公告)号：CN114708380A
公开(公告)日：2022-07-05
申请号：CN202210219791.1
申请日：2022-03-08
Applicant: 南京大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于融合多视角特征与深度学习的三维重建方法，包括：采集多视角图片数据与对应的SDF数据；用卷积网络对输入的图片数据进行卷积操作，分别得到多视角下的一维的全局特征和多层二维的图片特征；对多视角下的全局特征进行最大池化操作，获取整体的全局特征；对输入的三维查询点投影，用二维查询点查询多层图片特征得到局部点信息，并拼接得到局部特征信息；进行点卷积操作，获取模型的点特征；将点特征分别与全局特征，局部特征结合，获取带有点特征信息的全局特征与局部特征；将全局特征分别与局部特征结合，用投票的方式生成最终的特征信息；最终生成三维模型。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.048 seconds)
