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
北京交通大学;