使用对抗性渲染损失补全头部彩色点云

已于 2024-03-10 14:22:54 修改
阅读量387 收藏 1
点赞数
分类专栏： 点云分析 文章标签： 计算机视觉 深度学习 神经网络 3d
于 2022-05-30 21:36:13 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44916003/article/details/125054494
版权

Colored Point Cloud Completion for a Head Using Adversarial Rendered Image Loss

使用对抗性渲染损失补全头部彩色点云

Paper:Colored Point Cloud Completion for a Head Using Adversarial Rendered Image Loss (nih.gov)

对于黑色头发等深色头发，单个RGB深度相机容易因为遮挡而导致深度测量失败。本文提出了彩色点云补全方法，基于CD距离和EMD距离提出色差损失，并运用和Lab深度图像间的对抗损失提升视觉质量。

主动三维测量得方法用于黑色头发上时，由于头发呈现黑色，光脉冲将会被悉数吸收；而被动三维测量的方法，从多幅图像中搜索特征点是一件有困难的事。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
小蜗周周
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
EMD的matlab代码分享-MSN-Point-Cloud-Completion:用于密集点云完成的变形和采样网络(AAAI2020)
06-12
EMD的matlab代码分享MSN：用于密集点云完成的变形和采样网络 MSN是一种基于学习的形状补全方法，可以保留已知结构并生成密集且分布均匀的点云。 有关更多详细信息，请参阅我们的 AAAI 2020。 在这个项目中，我们还提供了点云的地球移动距离（EMD）的实现，它基于拍卖算法，只需要 $O(n)$ 内存。 完成后获得 32,768 分 用法 1) 环境和先决条件 pytorch 1.2.0 CUDA 10.0 Python 3.7 2) 编译 编译我们的扩展模块： cd emd python3 setup.py install cd expansion_penalty python3 setup.py install cd MDS python3 setup.py install 3) 下载数据和训练好的模型 从 下载数据和训练模型。 由于规模较大，我们不提供训练集的部分点云。 如果要训练模型，可以使用 和 生成它们。 我们为每个 CAD 模型生成 50 个局部点云。 4) 训练或验证 运行python3 val.py来验证模型或python3 train.py从头训练模型。 E
Nerf理解
m0_66159157的博客
04-03 764
该论文介绍了视图合成的问题，即从有限的输入图像集合中生成三维场景的新视图。传统的视图合成方法通常涉及三维重建和渲染技术，这可能计算量大且在捕捉精细细节和复杂光照效果方面存在限制。该论文提出了一种基于神经网络的新方法来进行视图合成，这个方法称为神经辐射场（NeRF），它将三维场景表示为连续的五维函数，可以在空间中的任何点和任何视角处进行评估。
推荐项目：MSN Point Cloud Completion - 完善3D点云数据的新利器
最新发布
gitblog_00091的博客
04-27 341
推荐项目：MSN Point Cloud Completion - 完善3D点云数据的新利器 项目地址:https://gitcode.com/Colin97/MSN-Point-Cloud-Completion 该项目是一个基于深度学习的3D点云不完整数据恢复工具，由GitHub用户Colin97开发并托管在GitCode上。利用现代神经网络架构，它能够有效地补全破损或缺失部分的3D点云数据...
三维点云学习（8）4-3D Feature Description PPFNET & PPF-FoldNet
weixin_41281151的博客
08-20 840
三维点云学习（8）4-3D Feature Description PPFNET & PPF-FoldNet PPFNET
深度学习中的对抗损失怎么使用
qq_36489878的博客
03-15 9110
对前几天的对抗损失总结一下，转载请注明出处，如有不对的地方，欢迎前来指出，一起探讨。 1.对抗损失的目的与作用 对抗损失的使用主要是为了减少标注数据，在真实的业务中，对于数据的标注是一件非常头疼的事，为了使用1000条标注能够达到2000条标注数据的所能达到效果（打个比方），模拟真实世界中各种噪声的情况，让模型更加鲁棒，更好用，准确率更高，在图像处理中经常使用引入噪声来增加图像的样本集...
2021-08-20
qq_42181042的博客
08-20 713
srgan原始文献阅读（看不懂+10000…） 尽管使用更快、更深的卷积神经网络在单图像超分辨率的精度和速度方面取得了突破，但一个核心问题仍然基本上没有解决：当我们在较大的放大因子下进行超分辨率时，如何恢复更细的纹理细节？在图像下采样过程中，信息丢失，使超分辨率成为一个具有大量可能解的高度不适定反问题。因此，基于优化的超分辨率方法的行为主要取决于目标函数的选择。最近的工作主要集中在最小化均方重建误差（MSE）。由此产生的估计具有高峰值信噪比（PSNR），但它们通常过于平滑，缺乏高频细节，使它们在感知上不令人
PointCloudARSingle:使用ARCore的AR应用程序在增强现实中渲染彩色点云
05-13
PointCloudARSingle 使用ARCore在增强现实中渲染彩色点云的AR应用程序。用于单个刺激点云实验。 它能够显示最大为600000点的彩色点云。 首先，使用“ allData.txt”文件将它们加载到内存中。 然后使用相应的“ ...
PointCloudARDouble:使用ARCore的AR应用程序在增强现实中渲染彩色点云
05-13
使用ARCore的AR应用程序在增强现实中渲染彩色点云。 用于双重刺激点云实验。 它能够显示最大为600000点的彩色点云。 首先，使用“ allData.txt”文件将它们加载到内存中。 然后使用相应的“ batchX.file”确定顺序...
C++高程渲染点云伪彩图
01-29
C++高程渲染点云伪彩图
点云数据按高程赋色渲染.rar
05-12
使用c++与pcl点云库实现点云数据按照高程设置颜色进行渲染，里面包括pcl1.8属性表，点云数据与源码，如果已经配置pcl点云库，下载后可以运行。没有配置pcl点云库没有任何影响，主要是按高程对点云设置r，g，b颜色值...
大规模点云数据渲染.pdf
08-19
大规模点云数据渲染
稀疏的人体点云通过插值的方法得到密集的人体点云模型
05-03
稀疏的人体点云通过插值的方法得到密集的人体点云模型
【点云系列】Learning Representations and Generative Models for 3D pointclouds
weixin_43882112的博客
12-28 1456
摘要： 本文要点： 研究点云的表示方法，主要使用deep AutoEncoder。 对比了不同的生成模型，l-GAN要好多GMMs： 模型包括： 1）GANs： 直接作用于原始点云； 2）l-GANs（latent-GANs）： 直接作用在潜在空间的点云特征，用AE先提取潜在空间点云特征； 3）GMMs： 高斯混合模型 评估方法： 1）样本保真度； 2）覆盖率度量； 贡献点： 一种新的点云AE框架； 第一套点云深度生成模型； 新的衡量指标，基于两个不同的点云集合之间的最佳匹配； 背景： 度量方式 J
论文笔记：PPF-FoldNet : Unsupervised Learning of Rotation Invariant 3D Local Descriptors
wangyc1208的博客
03-21 3440
一、目的： 这篇论文存在的意义是什么呢？ 作者在这篇文章里提出了一个网络，是PPF-FoldNet。在这个网络出现之前，作者提出了一个叫PPFNet的网络，这个网络主要是用来得到一个理想的具有鲁棒的3D局部特征子。但是，它有缺点，这个网络对于旋转这个操作来说是很敏感的。也就是说，如果我输入的一个样本是正向的，然后，我把它转了一个角度，按理说，输出的结果与转之前的结果相差不大，但是，现实是有一定差距...
生成对抗网络损失函数的理解
热门推荐
qikaihuting的博客
12-12 5万+
tf.nn.sigmoid_entropy_with_logits(labels,logits) 对抗网络中生成器的目的是尽可能使生成样本分布拟合真实样本分布。 鉴别的目的是尽可能鉴别输入样本来自于真实的还是生成的。 ...
对抗loss理解
苏打水的杯子的博客
01-11 6237
第一个式子为判别器的损失函数，logD(x)为判别器将真实数据判定为真实数据的概率，log(1-D(G(z)))为判别器将生成器生成的虚假数据判定为真实数据的对立面即将虚假数据仍判定为虚假数据的概率。判别器就相当于警察，在鉴别真伪时，必须要保证鉴别的结果真的就是真的，假的就是假的，所以判别器的总损失即为二者之和，应当最大化该损失。由于判别器（警察）鉴别真伪的能力随着训练次数的增加越来越高，生成器就要与之“对抗”，生成器就要相应地提高“造假”技术，来迷惑判别器。第二个式子为第一个式子的第二项，含义相同...
干货！SpareNet：基于样式和对抗性渲染的点云补全
AITIME_HY的博客
12-24 2366
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！在本文中，我们提出了一种基于样式和对抗性可微分渲染的点云生成器(SpareNet) 用于点云补全。首先，我们提出了基于通道注意力的...
【论文推荐】了解《点云补全》必看的6篇论文（附打包下载地址）
weixin_48294000的博客
09-05 1776
论文推荐“SFFAI122期来自伊利诺伊大学厄巴纳香槟分校计算机系的谢楚琳推荐的文章主要关注于计算机视觉的点云处理领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”关注文章公...
[点云补全]-Point Cloud Completion by Skip-attention Network with Hierarchical Folding
alfred_torres的博客
07-22 3203
Point Cloud Completion by Skip-attention Network with Hierarchical Folding CVPR 2020 利用多级Folding结构和skip-attention来进行点云补齐 Folding结构是之前就有的，本文主要是利用skip-attention将folding结构堆叠起来，更加深了，有点像受到了ResNet和DeepGCNs的启发。 摘要 原文 译文 Point cloud completion aims to infe
使用Vue开发渲染点云数据
06-08
使用Vue开发渲染点云数据可以参考以下步骤： 1. 首先，需要在Vue项目中安装potree插件，可以通过以下命令进行安装： ``` npm install potree --save ``` 2. 在Vue组件中引入potree，并创建一个Vue实例： ```javascript <template> <div ref="potreeContainer"></div> </template> <script> import * as Potree from 'potree'; export default { name: 'PotreeViewer', data() { return { viewer: null }; }, mounted() { this.viewer = new Potree.Viewer(this.$refs.potreeContainer); }, destroyed() { this.viewer.destroy(); } }; </script> ``` 3. 在mounted生命周期函数中，创建一个Potree.Viewer对象，并将其挂载到DOM节点上。 4. 可以通过以下代码来加载点云数据： ```javascript const pointcloud = Potree.PointCloudOctreeGeometry.fromURL('path/to/pointcloud').then(geometry => { const material = Potree.PointColorType.PERFORMANCE; const pointcloud = new Potree.PointCloudOctree(geometry, material); this.viewer.scene.addPointCloud(pointcloud); this.viewer.fitToScreen(); }); ``` 这里使用fromURL方法从指定路径加载点云数据，创建一个PointCloudOctreeGeometry对象，并指定点云材质。然后创建一个PointCloudOctree对象，将其添加到viewer的场景中，最后调用fitToScreen方法来自适应屏幕。 5. 运行Vue项目，可以看到渲染出的点云数据。 以上是使用Vue开发渲染点云数据的基本步骤，具体的开发过程可以根据需要进行修改和扩展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值