【技术实现步骤摘要】
本专利技术属于计算机人工智能领域，具体涉及一种基于对比学习的无监督三维重建方法。
技术介绍
1、多视图立体(mvs)是计算机视觉和图像处理中的一项重要任务，广泛用于人工智能，自动驾驶，文物保护，虚拟现实等领域。传统的三维重建方法通常依赖于几何特征匹配和视差估计，但这些方法对噪声和遮挡等不利条件敏感，且对视角变化的鲁棒性不足。随着深度学习技术的迅猛发展，基于深度学习的三维重建方法在准确性和鲁棒性上表现出显著优势。然而，现有的深度学习方法大多依赖于大量的带标签数据进行监督训练，这不仅增加了数据获取的难度，还限制了模型在不同场景下的泛化能力。
2、使用无监督的方法可以在没有标注数据集的情况下训练mvs网络。然而，由于弱纹理，反射因素，现在依赖于光度一致性的假设有时会失效，导致重建精度较低。同时三维重建模型的精度，依赖于较好的特征提取过程。弱纹理区域缺失明显的特征，更加依赖于更远距离的特征上下文信息进行辅助表达。传统的cnn使用固定大小的卷积核进行特征提取，这可能导致提取到弱纹理区域特征模糊，从而降低了匹配的鲁棒性。
>技术实本文档来自技高网...
【技术保护点】
1.一种基于对比学习无监督三维重建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤S1具体为：
3.根据权利要求1所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤S2具体为：
4.根据权利要求3所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤S21中，使用选择性结构化状态空间模型增强特征提取具体为：
5.根据权利要求3所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤S22中，使用图像级和场景级对比学习分支增强模型鲁棒性具体为：p>
6.根据权...
【技术特征摘要】
1.一种基于对比学习无监督三维重建方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤s1具体为：
3.根据权利要求1所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤s2具体为：
4.根据权利要求3所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤s21中，使用选择性结构化状态空间模型增强特征提取具体为：
5.根据权利要求3所述的基于对比学习无监督三维重建方法，其特征在于，所述步骤s22中，使用...
【专利技术属性】
技术研发人员：刘桂华，廖文槿，李亮亮，蔡辰曦，钦付平，麻凤娟，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：
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。