一种基于GAN网络模型的3D模型目标材质数据增广方法技术

本发明专利技术涉及3D模型材质数据增广技术领域，且公开了一种基于GAN网络模型的3D模型目标材质数据增广方法，通过增广系统进行数据生成，包括以下步骤：步骤一、数据匹配模块通过源流单元采集初始数据集，匹配单元分析增广为匹配数据集PE；步骤二、对抗学习模块通过鉴别单元采集鉴别数据集，对抗单元进行一级对抗计算得出对抗指数Dkzs；步骤三、对抗单元通过对抗指数Dkzs对比参考数据集，判断匹配数据集真实性，生成对应信号，对抗单元根据信号对应进行循环对抗或通过网络连接合成转换模块；步骤四、合成转换模块组成最优材质数据集，并通过网络保存至数据库。

【技术实现步骤摘要】

本专利技术涉及3d模型材质数据增广，具体为一种基于gan网络模型的3d模型目标材质数据增广方法。

技术介绍

1、随着计算技术的飞速发展，三维模型的应用变得日益广泛。创建高质量、高分辨率的三维模型材质仍然是一项挑战，尤其是要满足实时渲染或高精度打印的需求。传统三维模型的材质制作过程往往需要艺术家和设计师进行繁琐而耗时的工作，这限制了创意的快速迭代和个性化需求的满足。因此，研究者们开始探索如何利用机器学习，特别是对抗网络(gan)来实现自动化的材质生成和编辑。生成对抗网络由两部分组成：生成器(generator)和鉴别器(discriminator)。生成器的目标是创造与真实数据分布相似的假数据，而鉴别器则尝试区分输入的数据是真实的还是生成器创造的假数据。两者在训练过程中不断对抗，生成器学习欺骗鉴别器，而鉴别器则不断提高其鉴别能力。最终目的为实现生成器产生足够逼真的数据以至于鉴别器无法区分真假。gan可以直接用于材质的合成。例如将草图或低分辨率的材质样本作为输入，gan能够生成高分辨率的版本，同时保持原有纹理的特征和风格。通过条件gan可以将一种类型的材质转换本文档来自技高网...

【技术保护点】

1.一种基于GAN网络模型的3D模型目标材质数据增广方法，其特征在于：所述基于GAN网络模型的3D模型目标材质数据增广方法通过增广系统进行数据生成，所述数据增广系统包括数据匹配模块、对抗学习模块和合成转换模块，所述基于GAN网络模型的3D模型目标材质数据增广方法包括以下步骤：

2.根据权利要求1所述的一种基于GAN网络模型的3D模型目标材质数据增广方法，其特征在于：所述源流单元根据初始数据集特征对其进行编号，所述初始数据集编号为CS1、CS2、CS3、...CSn。

3.根据权利要求2所述的一种基于GAN网络模型的3D模型目标材质数据增广方法，其特征在于：所述对抗...

【技术特征摘要】

1.一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述基于gan网络模型的3d模型目标材质数据增广方法通过增广系统进行数据生成，所述数据增广系统包括数据匹配模块、对抗学习模块和合成转换模块，所述基于gan网络模型的3d模型目标材质数据增广方法包括以下步骤：

2.根据权利要求1所述的一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述源流单元根据初始数据集特征对其进行编号，所述初始数据集编号为cs1、cs2、cs3、...csn。

3.根据权利要求2所述的一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述对抗学习模块包括匹配单元、鉴别单元和学习单元，所述匹配单元根据初始数据集，通过生成器分析增广为匹配数据集pe，其增广算法如下：

4.根据权利要求3所述的一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述鉴别单元根据匹配数据集，通过鉴别器采集鉴别数据集并进行编号，所述鉴别数据集编号为ja1、ja2、ja3、...jan。

5.根据权利要求4所述的一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述对抗单元根据匹配数据集和鉴别数据集进行一级对抗，计算得出对抗指数dkzs，其计算公式如下：

6.根据权利要求1所述的一种基于gan网络模型的3d模型目标材质数据增广方法，其特征在于：所述参考数据集由参考对抗指数、参考合成模型和参考转换模型组成，所述对抗单元根据参考数据集特征对其进行编号，...

【专利技术属性】
技术研发人员：赵燕荣，吴荣，
申请(专利权)人：奕坤西安科学技术研究有限公司，
类型：发明
国别省市：