本发明提出了一种基于参数化视图学习机制的新型轻量级多视图网络PVLNet。尽管基于多视图数据的三维物体表征方法取得了长足的发展,但与基于点云数据的方法相比,以往的方法在计算效率上有着很大劣势。本发明在参数化视角学习机制的指导下,直接将视角坐标作为PVLNet的参数,并通过梯度下降方法自动优化。当根据视角参数把点云数据投影生成深度图像时,使用一个简化的可感知遮挡的深度图生成器来确保梯度传播。与以往的基于多视图的方法相比,该网络仅使用1/10的参数就能实现最好的性能。
科研之友
微信
新浪微博
Facebook
分享链接
