基于生成对抗网络的3D目标重建研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 本文组织结构

2 基于深度学习的三维重建算法综述

2.1 不同表达方式的三维重建方法

2.1.1 三维深度估计方法

2.1.2 三维点云重建方法

2.1.3 三维网格重建方法

2.1.4 三维体素重建方法

2.2 三维重建深度学习算法框架研究

2.2.1 基于神经网络的三维重建框架

2.2.2 基于图卷积的三维网格重建框架

2.2.3 基于生成对抗网络的三维重建框架

2.3 三维重建的主要评判方法

2.4 三维重建深度学习算法研究的挑战

2.5 本章小结

3 三维数据及二维数据预处理

3.1 常用的三维模型库

（1）PSB(Princeton Shape Benchmark)

（2）PASCAL 3D+ 、IKEA与 ObjectNet3D

（3）ModelNet

（4）ShapeNet

3.2 三维数据预处理

3.2.1 三维数据集相关信息

3.2.2 三维数据体素化

3.3 多角度二维数据获取

3.3.1 二维图像渲染

3.3.2 二维投影转换

3.4 本章小结

4 基于生成对抗网络的三维体素重建算法

4.1 问题描述

4.2 算法设计

4.2.1 算法框架

4.2.2 损失函数

4.3 实验结果与分析

4.3.1 实验数据集

4.3.2 对比方法

4.3.3 实验设置

4.3.4 实验结果

4.4 本章小结

5 基于生成对抗网络的无监督三维体素重建算法

5.1 问题描述

5.2 算法设计

5.2.1 算法框架

5.2.2 损失函数

5.3 实验结果与分析

5.3.1 实验数据集与设置

5.3.2 对比方法

5.3.3 实验结果

5.4 本章小结

6 总结与展望

6.1 研究总结

6.2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集