论文部分内容阅读
由单个图像建立其三维模型是计算机视觉领域的一个热门且具有挑战性的问题。现有的传统单视图三维重构算法在处理低分辨率图像时效果不好,在训练中由于三维图形的高维性,使网络也变得高度不稳定,导致模型重构效果差。针对传统三维重构算法存在的缺点,提出一种基于深度学习网络的改进模型,在模型中加入超分辨率、投影、对抗生成网络(generative adversarial network, GAN)等模块,采用模块化设计强制生成的三维形状与深度图像对齐,使得映射更加规则。在损失函数上运用Wasserstein GAN