訂閱
糾錯
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   其他   >  正文

港大研究員提出融合自適應(yīng)法向量約束和遮擋注意力的深度估計新方法

下式顯示了優(yōu)化網(wǎng)絡(luò)的損失函數(shù)，P（q）為位置q處的遮擋概率。損失函數(shù)綜合了遮擋概率作用下的深度、法向量以及遮擋概率圖，并用權(quán)重調(diào)節(jié)各部分的重要性：

實驗結(jié)果

在模型訓(xùn)練過程中，研究人員使用了ScanNet作為訓(xùn)練數(shù)據(jù)，并在7Scenes和SUND3D數(shù)據(jù)集上進(jìn)行了測試。訓(xùn)練過程首先對DepthNet進(jìn)行訓(xùn)練，而后固定其權(quán)重再訓(xùn)練RefineNet，最后再共同對整個模型進(jìn)行調(diào)優(yōu)。

下圖顯示了這種方法與多種深度估計方法在7－Scenes數(shù)據(jù)上的比較，可以看到針對多個指標(biāo)都取得了優(yōu)異的結(jié)果：

下圖顯示了模型重建的結(jié)果，可以看到深度圖中邊緣更為銳利、更好地保留了形狀的規(guī)則外形：

在得到的表面法向量上也達(dá)到了優(yōu)異性能：

在視覺質(zhì)量上也超過了其他方法，CNM約束可以更好的保留局部和全局的幾何結(jié)構(gòu)信息。

從最終的三維重建結(jié)果中可以看到，即便是對于像沙發(fā)、白墻這樣的弱紋理結(jié)構(gòu)也能輕松重建，重建的顏色也更接近于基準(zhǔn)、形狀更為連續(xù)噪聲也更少。

此外研究人員還分析了局域／全局法向量CNM、優(yōu)化模塊和遮擋概率圖等不同模塊的有效性：

<上一頁  1  2  3  下一頁>  
聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標(biāo)題：
    *糾錯內(nèi)容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號