摘要
本申请实施例公开了一种用于高斯基元补全的扩散模型的训练方法,方法包括:获取训练样本,训练样本为包括目标物体的图像样本;利用图像样本获得目标物体对应的结构化高斯基元样本;对结构化高斯基元样本进行采样,获得三维局部块,将三维局部块对应的区域在目标物体样本的所述三维网格空间中去除,得到输入样本;获得扩散模型基于输入样本生成的针对输入样本的输出高斯基元;训练的目标包括:最小化针对输入样本的输出高斯基元与结构化高斯基元样本之间的差异。本申请通过对结构化高斯基元进行采样和去除的方式获得输入样本,由扩散模型对局部缺失区域进行补全,使生成的高斯基元能够更好地拟合实际的三维形状,实现更高质量的补全。
技术关键词
基元
样本
物体
网格
自然语言模型
三维重建模型
三维重建方法
视角
文本
图像特征提取
存储程序指令
数据获取单元
处理器
矩阵
训练装置
可读存储介质
尺寸
存储器
电子设备
系统为您推荐了相关专利信息
预训练模型
压缩单元
校准
压缩系统
数据获取模块
神经网络模型
设备故障识别方法
识别模型训练方法
序列
标签
地理位置编码
负载均衡方法
分布式计算资源
分布式计算节点
时序预测模型