一种基于可逆神经网络的3D表示图像化方法及系统

本发明公开了一种基于可逆神经网络的3D表示图像化方法及系统，主要包括两步：基于平面的紧凑型3D表示和3D表示的可逆嵌入。具体的，首先将3D场景参数沿三维空间中XYZ方向进行分解，转化为由三个神经平面构成的3D神经图像并获取3D场景中任意位置的不透明度和颜色信息；然后使用动态可逆神经网络对3D神经图像和宿主图像进行图像域变换分为低频和高频部分，再把3D神经图像中携带的3D信息可逆嵌入宿主图像中得到嵌入图像和动态常量；由于嵌入图像带有3D信息，通过动态可逆神经网络即可重构得到3D图像。本发明通过将3D表示以可逆的方式压缩嵌入到2D图像表示中，从而达到减少体积占用以及增加可感知能力的目的。