摘要
本发明提供一种基于退化学习的神经辐射场三维重建方法,通过数据采集,构建神经辐射场模型;通过建立退化学习器,输入神经辐射场模型合成的退化视图,求出真实视图与退化视图之间的退化信息作为监督,将退化视图输入退化学习器并训练,以从退化视图中取得退化信息;将退化视图与学习得的退化信息分别分割为三个不同尺度输入多尺度网络,学习不同尺度的特征,采用编码‑解码器结构强化关键特征,并拼合成原始尺度的强化图像应用在神经辐射场模型上,对神经辐射场进行三维场景建模与体渲染,重建出三维场景并合成各个视角的新视图,将退化视图输入退化学习器与多尺度网络,得到强化的新视图。
技术关键词
三维重建方法
学习器
三维场景建模
输入多尺度
解码器结构
Sigmoid函数
图像
视角
三维模型
下物体表面
颜色
跟踪相机
编码
网络
采样点
残差信息
生成场景
坐标系
系统为您推荐了相关专利信息
物体三维重建方法
语义分割网络
参数化模板
超分辨率技术
非暂态计算机可读存储介质
CT重建方法
混合域
注意力
网络模块
深度神经网络结构
医学影像分割方法
客户端
无监督
多模态影像数据
权重分配机制