摘要
本发明涉及图形学技术领域,具体涉及一种基于深度隐式细节表征的人体建模方法及系统,本发明采用多源异构传感器融合系统采集三维人体点云数据,通过时空对齐与融合处理生成高质量原始点云数据集。预处理模块运用机器学习算法去除噪声点并填补缺失区域,深度卷积神经网络提取多层级特征。参数化建模模块利用非线性形变基函数构建模型模板,实现人体复杂姿态与形变的灵活表示。细节增强模块借助深度隐式函数网络预测高分辨率细节特征,提升模型真实感。后处理模块进行平滑处理、纹理映射及光照补偿等操作,采用基于物理的渲染算法增强视觉效果。从而解决了现有的三维人体建模方法的建模效率较低的问题。
技术关键词
人体模型
建模系统
深度卷积神经网络
多尺度特征融合
后处理模块
异构传感器
特征提取模块
点云
数据采集模块
特征金字塔
参数
数据采集单元
三维人体建模方法
降噪单元
融合系统
网络单元
数据同步
系统为您推荐了相关专利信息
跨尺度特征融合
检测器
动态
轨迹
融合多尺度特征
绞吸挖泥船
船舶控制系统
数字孪生体
模型库
数据
注意力
原始图像数据
加权特征
非极大值抑制方法
矩阵
数据记录系统
图像处理模块
智能感应装置
深度学习神经网络模型
数据采集模块
障碍物检测方法
城轨列车
远距离
非暂态计算机可读存储介质
视野