一种基于深度学习的动态自适应3D模型生成方法

本发明公开了一种基于深度学习的动态自适应3D模型生成方法，包括：S1：构建数据集；S2：构建3D模型生成模型，导入S1中的预处理后的图像至特征提取模块中，获取图像的多尺度特征表示；S3：将S2中的多尺度特征表示导入至特征融合模块进行特征融合，获取融合特征；S4：导入S3的融合特征至3D点云生成模块，获取多视角图像特征生成稠密3D点云；S5：相机模块对S4中的稠密3D点云进行特征点匹配，获取匹配3D点云；S6：网格生成模块通过生成对抗网络对S5中的匹配3D点云进行图像生成，获取对应的3D网格，也即最终的3D模型。本发明通过引入自适应加权融合机制，能够在全局结构和细节特征之间取得良好平衡，确保在各种场景下生成高精度的3D模型。