第 1 章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状及发展趋势
1.3.1 计算机辅助3D建模技术
1.3.2 图表示学习
1.3.3 3D深度学习生成算法
1.4 研究内容和创新点
1.5 论文章节安排
第 2 章 3D深度学习算法理论基础
2.1 通用深度学习简介
2.2 神经网络通用架构与基础组件
2.2.1 多层感知机
2.2.2 卷积神经网络
2.2.3 自编码器
2.2.4 生成式对抗网络
2.3 神经网络求解与优化
2.3.1 优化问题定义
2.3.2 随机梯度下降
2.3.3 动量
2.3.4 学习率
2.3.5 权重衰减
2.4 3D深度学习简介
2.4.1 3D视觉任务与常用数据集
2.4.2 评估指标
2.4.3 针对特定输入的3D深度网络架构分析
2.5 本章小结
第 3 章 基于GAN的3D生成算法与应用
3.1 3D生成式对抗网络
3.1.1 算法概述
3.1.2 数据集与数据预处理
3.1.3 实验与生成质量分析
3.1.4 算法性能分析
3.2 智能工业设计工程化应用
3.2.1 需求分析
3.2.2 通用平台架构设计
3.2.3 离线深度学习模块设计
3.2.4 3D打印需求对接
3.3 本章小结
第 4 章 基于场景图理解的工业产品外形生成深度学习算法
4.1 研究背景
4.2 基于场景图的工业产品3D表示
4.2.1 邻接矩阵与邻接表
4.2.2 3D数据的场景图表达方法
4.3 基于图神经网络的布局理解
4.3.1 总体架构
4.3.2 损失函数与图匹配
4.3.3 概率连通图判别
4.4 3D模型智能构建算法
4.4.1 算法概述
4.4.2 预处理与特征提取
4.4.3 深度布局生成
4.4.4 选型与精细化生成
4.4.5 装配流程
4.5 实验
4.5.1 评估指标
4.5.2 整体质量评估
4.5.3 生成效果对比
4.6 本章小结
第 5 章 总结与展望
5.1 总结
5.2 展望
致 谢
参考文献
附 录
声明
贵州大学;
