当前位置: 首页 > 专利查询>清华大学专利>正文

几何建模方法、装置、电子设备及存储介质制造方法及图纸

技术编号:42469759 阅读:14 留言:0更新日期:2024-08-21 12:54
本公开提出一种几何建模方法,涉及数据处理领域。该方法包括:获取输入的原始三维几何网格,提取原始三维几何网格的原始符号距离场;基于原始符号距离场,初始化二次核模型的建模参数和网络训练的损失函数;通过三维卷积神经网络和全连接层网络对原始符号距离场进行网络训练,以优化二次核模型的建模参数,直至损失函数收敛,得到最优建模参数;基于最优建模参数重建符号距离场,使用行进立方体算法对符号距离场重建三维几何网格。本公开采用三维卷积神经网络和全连接层进行网络训练,实现最优的建模参数集选择,采用网络学习三维几何能够进行高精度数据量的表征建模,可以解决相关技术中隐式几何表征精度低,细节重建精度低的问题。

【技术实现步骤摘要】

本公开涉及数据处理领域,尤其涉及一种几何建模方法、装置、电子设备及存储介质


技术介绍

1、几何建模是三维动画和虚实交互的重要内容,其旨在构建合适的三维数据表达方式,实现高精度的三维领域的几何变形以及虚实融合等。

2、相关技术中,三维几何参数化建模是基于传统期望值最大算法实现的,然而该算法难以对高分辨率的符号距离场即较大的输入数据进行优化,造成隐式几何表征精度低,细节重建精度低的问题。


技术实现思路

1、本公开提供了一种几何建模方法、装置、电子设备及存储介质。

2、根据本公开的第一方面,提供了一种几何建模方法。该方法包括:获取输入的原始三维几何网格,提取原始三维几何网格的原始符号距离场;基于原始符号距离场,初始化二次核模型的建模参数和网络训练的损失函数;通过三维卷积神经网络和全连接层网络对原始符号距离场进行网络训练,以优化二次核模型的建模参数,直至损失函数收敛,得到最优建模参数;基于最优建模参数重建符号距离场,使用行进立方体算法对符号距离场重建三维几何网格。

3、在一些实施本文档来自技高网...

【技术保护点】

1.一种几何建模方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述原始符号距离场,初始化二次核模型的建模参数和网络训练的损失函数包括:

3.根据权利要求2所述的方法,其特征在于,所述通过三维卷积神经网络和全连接层网络对所述原始符号距离场进行网络训练,以优化所述二次核模型的建模参数,直至所述损失函数收敛,得到最优建模参数包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述优化后的建模参数重建符号距离场,得到优化后的符号距离场包括:

5.根据权利要求3所述的方法,其特征在于,所述将所述原始符号距离场...

【技术特征摘要】

1.一种几何建模方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述原始符号距离场,初始化二次核模型的建模参数和网络训练的损失函数包括:

3.根据权利要求2所述的方法,其特征在于,所述通过三维卷积神经网络和全连接层网络对所述原始符号距离场进行网络训练,以优化所述二次核模型的建模参数,直至所述损失函数收敛,得到最优建模参数包括:

4.根据权利要求3所述的方法,其特征在于,所述对所述优化后的建模参数重建符号距离场,得到优化后的符号距离场包括:

5.根据权利要求3所述的方法,其特征在于,所述将所述原始符号距离场作为输入进行网络训练,通过所述...

【专利技术属性】
技术研发人员:刘泊宁刘烨斌
申请(专利权)人:清华大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1