摘要
本发明公开了紧凑中心与精确对齐递进优化的跨模态三维模型检索方法,属于三维模型检索技术领域。针对现有跨模态三维模型检索中存在的多模态信息利用不足、特征表达不充分以及模态间对齐精度低等问题,本发明通过一种紧凑中心与精确对齐递进优化的检索框架,有效弥合了图像与三维模型之间的模态差距,显著提升了模型在复杂场景下的检索准确性与鲁棒性。具体引入点云模态丰富三维结构表达,构建融合点云与视图的三维特征指导网络,通过紧凑中心损失学习高质量判别特征,并将其作为教师特征引导二维图像学习。进一步提出精确对齐机制,在共享空间中实现实例级与类别级对齐,有效提升检索精度与鲁棒性。
技术关键词
三维模型检索方法
互补特征
融合特征
样本
联合损失函数
网络
三维模型检索技术
代表
sigmoid函数
二维图像特征
模态特征
注意力
点云特征提取
聚类
跨模态数据
系统为您推荐了相关专利信息
地点识别方法
激光雷达
样本
概率密度函数
多模态特征融合
视觉注意力机制
图像检测方法
语义向量
通道注意力机制
密度
图像融合方法
全局特征提取
拉普拉斯金字塔
图像重建
图像嵌入
多元时间序列数据
工业物联网
异常检测方法
编码器
节点