期刊专题

10.11896/jsjkx.210900066

基于环境信息挖掘的体素形变网络

引用
3D形变技术是计算机图形学领域的研究热点之一.当前的3D形变方法主要通过聚合局部相邻的体素特征来学习物体形变前后的变化,未充分挖掘非局部体素特征之间的相互关系,这种环境信息的缺失导致模型无法捕获更具辨识性的特征.针对上述问题,设计了一种基于环境信息挖掘的体素形变网络,该网络能够同时对局部和环境信息进行提取,从不同的空间域中挖掘环境信息以提升网络的表征性能,进而建模物体形变前后的变化关系.引入自注意力机制,通过学习特征空间中不同体素的非局部依赖性,以提升体素特征的辨别力;引入一种多尺度分析方法,使用不同扩张率的空洞卷积分别提取不同感知域中的环境信息,为模型提供了更丰富的上下文特征.此外,文中分析了特征融合对模型的影响,并设计了一种基于编码器-解码器特征融合方法,自适应地对编码器和解码器提取的特征进行融合,提高了模型的非线性映射能力.在自建的齿科数据集上进行了充分的对比实验,结果表明,与现有方法相比,所提方法在形变预测任务的准确率上有一定的提升.

形状变形、体素、注意力机制、特征融合、多尺度分析

49

TP391(计算技术、计算机技术)

国家重点研发计划;国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;浙江省自然科学基金;北京航天航空大学开放课题;之江实验室资助项目

2022-10-20(万方平台首次上网日期,不代表论文的发表时间)

共7页

207-213

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(10)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn