[发明专利]一种基于多角度投射GAN的三维模型重建方法

权利要求书

1.一种基于多角度投射GAN的三维模型重建方法，其特征在于，包括以下步骤：

S1：建立一个由多组生成器和鉴别器拼接形成的多角度投射GAN模型，并对所述多角度投射GAN模型进行训练；

S2：获取待重建目标多个角度的图像；

S3：将待重建目标多个角度的图像输入经过训练的所述多角度投射GAN模型中，由所述多角度投射GAN模型的各组生成器输出对应的预测三维模型；

S4：将所述预测三维模型作为对应待重建目标的三维模型重建结果。

2.如权利要求1所述的基于多角度投射GAN的三维模型重建方法，其特征在于：多组生成器之间通过组堆栈的方式进行连接，使得前一组生成器的输出能够作为后一组生成器的输入，并将最后一组生成器的输出作为多角度投射GAN模型输出的预测三维模型。

3.如权利要求1所述的基于多角度投射GAN的三维模型重建方法，其特征在于，步骤S1中，通过如下步骤训练所述多角度投射GAN模型：

S101：基于每组生成器以及对应生成的鉴别器构成一组生成对抗网络；

S102：通过训练数据训练各组生成对抗网络；

S103：将各组训练后的生成对抗网络进行拼接，以生成对应的多角度投射GAN模型；

S104：通过训练数据对生成的多角度投射GAN模型进行训练。

4.如权利要求3所述的基于多角度投射GAN的三维模型重建方法，其特征在于，训练生成对抗网络时：将训练数据及对应的噪声变量z输入生成器中，输出对应的生成结果；然后将生成结果和对应的真实样本输入鉴别器中，以判别生成结果的真实性；最后根据真实性判别结果对应的更新生成器和鉴别器的模型参数。

5.如权利要求4所述的基于多角度投射GAN的三维模型重建方法，其特征在于：各组生成对抗网络之间生成器和鉴别器的模型参数保持一致；训练时，每组生成对抗网络的生成器输出的生成结果需要由各组生成对抗网络的鉴别器进行真实性判别，并基于真实性判别结果对应的同步更新各组生成对抗网络之间的生成器和鉴别器的参数。

6.如权利要求5所述的基于多角度投射GAN的三维模型重建方法，其特征在于：

更新参数时，生成器的梯度表示为：鉴别器的梯度表示为：其中，是指的第j个系数；

式中：D表示鉴别器函数；G表示生成器函数；θ表示生成对抗网络中生成器的训练参数向量；表示第g组训练参数向量的第i个元素；表示第di组训练参数向量所有元素构成的向量；x表示样本数据；z表示初始训练的噪声变量；z_i是第i次迭代的初始噪声变量。

7.如权利要求3所述的基于多角度投射GAN的三维模型重建方法，其特征在于，通过如下公式生成鉴别器：

式中：P_d表示真实数据的分布概率；P_g表示生成器生成数据的分布概率。

8.如权利要求3所述的基于多角度投射GAN的三维模型重建方法，其特征在于，通过如下公式表示生成对抗网络的目标函数：

式中：D表示鉴别器函数；θ表示生成对抗网络中生成器的训练参数向量；表示第g组训练参数向量的第i个元素；表示第di组训练参数向量所有元素构成的向量；z表示初始训练的噪声变量；z_i是第i次迭代的初始噪声变量；P_d表示真实数据的分布概率；P_g表示生成器生成数据的分布概率；k表示样本数量；x表示样本数据；P_zi表示噪声变量z的分布概率。