- 1、本文档共10页,其中可免费阅读9页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113344010 A
(43)申请公布日 2021.09.03
(21)申请号 202110682534.7
(22)申请日 2021.06.17
(71)申请人 华南理工大学
地址
文档评论(0)