点击上方“3D视觉工坊”,选择“星标”
干货第一时间送达
1性能比较
本节讨论一些关键方法的性能,下面将介绍各种性能标准和度量,并讨论和比较一些关键方法的性能。
1.1精度指标和性能标准
设X为真实三维形状,X~为重建形状。下面将讨论一些用于比较三维重建算法的精度指标和性能标准。
1.1.1精度指标
评估三维重建算法精度最常用的量化指标包括:
(1)均方误差(MSE)。它定义为重构形状X~与真实X之间的对称表面距离,即
这里,nX和nX~分别是X和X~上密集采样点的数目,d(p,X)是p到X沿垂直方向到X的距离,例如L1或L2距离。距离越小,重建就越好
(2)联合交叉(IoU)。IoU测量预测形状的体积与真实体积的交集与两个体积的并集的比率,即
其中I(·)是指示函数,V~i是第三个体素的预测值,Vi是基本真值,是阈值。IoU值越高,重建效果越好,这一指标适用于体积重建。因此,在处理基于曲面的表示时,需要对重建的和真实的三维模型进行体素化。
(3)交叉熵(CE)损失的平均值。定义如下:
其中N是体素或点的总数,具体取决于是使用体积表示还是基于点的表示。p和p~分别表示在i点处体素或点的真值和预测值。CE值越低,重建效果越好。
1.1.2性能标准
除了这些定量指标外,还有几个定性方面用于评