声明
第一章 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 图像合成研究现状
1.2.2 三维重建研究现状
1.3 技术难点
1.4 本文研究内容和组织结构
第二章 相关理论概述
2.1 变分自编码器基本理论
2.1.1 变分自编码器
2.1.2 再参数化技巧
2.2 生成对抗网络基本理论
2.2.1 生成对抗网络
2.2.2 生成对抗网络变体
2.3 基于循环神经网络的三维重建模型
2.3.1 循环神经网络
2.3.2 3D-R2N2网络结构
2.3.3 3D-R2N2损失函数
2.4 本章小结
第三章 基于结构感知的单视图三维重建
3.1 算法设计思想
3.2 基于特定视角单视图合成多视图
3.3 基于合成多视图的三维形状重建
3.4 深度模型建模
3.5 实验结果分析
3.5.1 数据集
3.5.2 评估标准
3.5.3 模型训练细节
3.5.4 定性结果比较
3.5.5 定量结果比较
3.6 本章小结
第四章 基于合成多邻近视图的单视图三维重建
4.1 算法设计思想
4.2 问题描述
4.3 多邻近视图合成子网络
4.3.1 网络结构
4.3.2 损失函数
4.4 3D重建子网络
4.5 实验结果分析
4.5.1 数据集和评估标准
4.5.2 模型训练细节
4.5.3 定性结果比较
4.5.4 定量结果比较
4.5.5 消融研究
4.6 本章小结
结论
参考文献
攻读硕士学位期间取得的学术成果
致谢
安徽大学;