[发明专利]一种基于神经网络的材质获取方法和系统

摘要

本发明公开了一种基于神经网络的材质获取方法和系统，该方法包括训练阶段和采集阶段；训练阶段首先得到采集设备的参数，生成模拟实际的摄像机采集结果的合成材质数据作为训练数据；然后根据合成训练数据训练神经网络；采集阶段首先按照训练得到的光照图案依次对目标物体进行照射，获得一组照片，然后依次遍历照片的像素和通道，组成一个向量并送入恢复网络得到材质信息。本发明极大地减少了材质采集所需时间，且具有较高采集质量；采集条件为近场光，采集对象为各向异性材质，为该领域最复杂的情况，且本发明方法仅需少量照片。任何使用光照图案思想的采集设备都可以利用本发明的方法，针对性地训练网络，提高高质量材质信息的采集效率。

主权项

1.一种基于神经网络的材质获取方法，其特征在于，该方法包括训练阶段和采集阶段；所述训练阶段包括以下步骤：(1)获取采集设备的参数，包括光源到采集平面的距离及角度、光源的特性曲线、摄像机到采集平面的距离及角度、摄像机的内参和外参；利用这些参数生成模拟实际的摄像机采集结果的合成材质数据，作为训练数据；(2)根据步骤(1)得到的合成训练数据，训练神经网络，神经网络的特征如下：a.输入为一个合成训练数据，将其看作一维向量x；b.第一层网络为线性映射，仅由矩阵组成，表示如下：y1＝x·Wl其中Wl为光照矩阵，Wl的大小为n×m，n为向量x的长度，即采集设备对单点反射情况的采样量，m为光照图案个数；y1为第一层网络的输出；c.第二层及之后各层共同构成恢复网络，该恢复网络为非线性映射网络，表示如下：yi+1＝fi+1(yiWi+1+bi+1)，i≥1其中，fi+1为第i+1层网络的映射函数，Wi+1为第i+1层网络的参数矩阵，bi+1为第i+1层网络的偏移向量，yi+1为第i+1层网络的输出；所述采集阶段包括以下步骤：按照训练得到的光照图案，依次对目标物体进行照射，获得一组照片r1，r2…，rm；依次遍历照片的像素和通道，每次分别从r1，r2…，rm中取出第i行、第j列、第k通道的像素值，组成向量aijk＝a1，a2…am；将aijk送入恢复网络，输出结果即为目标物体在该通道上，第i行、第j列像素所对应点的材质信息。