CN116246026A - 三维重建模型的训练方法、三维场景渲染方法及装置 - Google Patents
三维重建模型的训练方法、三维场景渲染方法及装置 Download PDFInfo
- Publication number
- CN116246026A CN116246026A CN202310499294.6A CN202310499294A CN116246026A CN 116246026 A CN116246026 A CN 116246026A CN 202310499294 A CN202310499294 A CN 202310499294A CN 116246026 A CN116246026 A CN 116246026A
- Authority
- CN
- China
- Prior art keywords
- image
- sample image
- pixel
- sample
- dimensional reconstruction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 238000009877 rendering Methods 0.000 title claims abstract description 40
- 238000012549 training Methods 0.000 title claims abstract description 37
- 230000003287 optical effect Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000005070 sampling Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种三维重建模型的训练方法、三维场景渲染方法及装置,涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、AIGC等场景。实现方案为:获取目标场景的第一样本图像和图像采集设备在采集第一样本图像时的第一位姿;对第一样本图像进行下采样,以得到第一输入图像;基于第一位姿,确定第一输入图像的多条第一射线;将多条第一射线的信息输入三维重建模型,以得到三维重建模型输出的第一预测图像,其中,第一预测图像的尺寸与第一样本图像的尺寸相同;至少基于第一预测图像与第一样本图像的差异,确定三维重建模型的损失;以及基于损失,调整三维重建模型的参数。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、AIGC(Artificial Intelligence Generated Content)等场景。本公开具体涉及一种三维重建模型的训练方法及装置、三维场景渲染方法及装置、电子设备和计算机可读存储介质。
背景技术
三维重建(3D Reconstruction)指的是对三维场景建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理、操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术。
在计算机视觉中,三维重建指的是根据场景的单视角或者多视角的图像重建该场景的三维信息的过程。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种三维重建模型的训练方法及装置、三维场景渲染方法及装置、电子设备和计算机可读存储介质。
根据本公开的一方面,提供了一种三维重建模型的训练方法,包括:获取目标场景的第一样本图像和图像采集设备在采集所述第一样本图像时的第一位姿;对所述第一样本图像进行下采样,以得到第一输入图像;基于所述第一位姿,确定所述第一输入图像的多条第一射线,其中,所述多条第一射线与所述第一输入图像中的多个像素分别对应;将所述多条第一射线的信息输入三维重建模型,以得到所述三维重建模型输出的第一预测图像,其中,所述第一预测图像的尺寸与所述第一样本图像的尺寸相同;至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失;以及基于所述损失,调整所述三维重建模型的参数。
根据本公开的一方面,提供了一种三维场景渲染方法,包括:获取针对目标场景的三维重建模型和所述目标场景的观察位姿,其中,所述三维重建模型是基于上述三维重建模型的训练方法训练得到的;以及基于所述三维重建模型和所述观察位姿,生成所述目标场景在所述观察位姿下的渲染图像。
根据本公开的一方面,提供了一种三维重建模型的训练装置,包括:第一获取模块,被配置为获取目标场景的第一样本图像和图像采集设备在采集所述第一样本图像时的第一位姿;第一下采样模块,被配置为对所述第一样本图像进行下采样,以得到第一输入图像;第一确定模块,被配置为基于所述第一位姿,确定所述第一输入图像的多条第一射线,其中,所述多条第一射线与所述第一输入图像中的多个像素分别对应;第一输出模块,被配置为将所述多条第一射线的信息输入三维重建模型,以得到所述三维重建模型输出的第一预测图像,其中,所述第一预测图像的尺寸与所述第一样本图像的尺寸相同;第二确定模块,被配置为至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失;以及调整模块,被配置为基于所述损失,调整所述三维重建模型的参数。
根据本公开的一方面,提供了一种三维场景渲染装置,包括:获取模块,被配置为获取针对目标场景的三维重建模型和所述目标场景的观察位姿,其中,所述三维重建模型是基于上述三维重建模型的训练装置训练得到的;以及生成模块,被配置为基于所述三维重建模型和所述观察位姿,生成所述目标场景在所述观察位姿下的渲染图像。
根据本公开的一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一方面的方法。
根据本公开的一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行上述任一方面的方法。
根据本公开的一个或多个实施例,能够提高三维重建模型的训练效率和渲染速度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的三维重建模型的训练方法的流程图;
图3示出了根据本公开的实施例的三维重建模型的结构框图;
图4示出了根据本公开的实施例的三维场景渲染方法的流程图;
图5示出了根据本公开的实施例的三维重建模型的训练装置的结构框图;
图6示出了根据本公开的实施例的三维场景渲染装置的结构框图;以及
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
相关技术中,可以采用某个场景的不同视角的图像来训练神经网络模型,使神经网络学习该场景的三维信息,实现该场景的三维重建。随后,利用训练好的神经网络模型来渲染生成该场景在新视角下的图像。在神经网络模型的训练过程中,需要将场景图像的所有像素转换为射线,并将所有像素的射线信息输入神经网络模型以进行前向计算。为了保证神经网络模型的三维重建效果,通常采用高分辨率的图像对神经网络模型进行训练,导致射线信息的数据量和前向计算的计算量很大,模型的训练效率低,渲染速度慢。
针对上述问题,本公开实施例提供一种三维重建模型的训练方法和三维场景渲染方法。本公开实施例的三维重建模型的训练方法能够在保证三维重建精度的同时,提高三维重建模型的训练效率和渲染速度。利用本公开实施例的三维重建模型生成目标场景在新视角下的渲染图像,能够提高渲染图像的渲染速度和准确性。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行三维重建模型的训练方法和/或三维场景渲染方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来指定目标场景的观察位姿(即,视角),并且向服务器120发送目标场景在该观察位姿下的渲染请求(即,三维场景渲染请求)。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、Wi-Fi)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
在本公开的实施例中,用户可以通过客户端设备101、102、103、104、105或106向服务器120发送三维场景渲染请求,该三维场景渲染请求包括待渲染的目标场景和目标场景的观察位姿。服务器120响应于用户的三维场景渲染请求,执行本公开实施例的三维场景渲染方法,基于经训练的三维重建模型,生成目标场景在指定观察位姿下的渲染图像。
根据一些实施例,三维重建模型可以由服务器120训练得出,也可以由其他服务器(图1中未示出)训练得出。换言之,本公开实施例的三维重建模型的训练方法可以由服务器120执行,也可以由其他服务器执行。
执行本公开实施例的三维场景渲染方法的服务器和执行本公开实施例的三维重建模型的训练方法的服务器可以是同一个服务器(例如服务器120),也可以是不同的服务器(例如三维场景渲染方法由服务器120执行,三维重建模型的训练方法由不同于服务器120的其他服务器执行)。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开实施例的三维重建模型的训练方法200的流程图。如上所述,方法200的执行主体可以是服务器,例如图1中的服务器120或者不同于服务器120的其他服务器。在另一些实施例中,方法200的执行主体也可以是客户端设备,例如图1中的客户端设备101-106。
如图2所示,方法200包括步骤S210-S260。
在步骤S210中,获取目标场景的第一样本图像和图像采集设备在采集第一样本图像时的第一位姿。
在步骤S220中,对第一样本图像进行下采样,以得到第一输入图像。
在步骤S230中,基于第一位姿,确定第一输入图像的多条第一射线。多条第一射线与第一输入图像中的多个像素分别对应。
在步骤S240中,将多条第一射线的信息输入三维重建模型,以得到三维重建模型输出的第一预测图像。第一预测图像的尺寸与第一样本图像的尺寸相同。
在步骤S250中,至少基于第一预测图像与第一样本图像的差异,确定三维重建模型的损失。
在步骤S260中,基于上述损失,调整三维重建模型的参数。
根据本公开的实施例,通过对第一样本图像进行下采样,得到小尺寸的第一输入图像。将小尺寸的第一输入图像的射线信息(即,多条第一射线的信息)输入三维重建模型以得到原尺寸的渲染图像(即,第一预测图像)。相较于直接将第一样本图像的射线信息输入三维重建模型的方案来说,大大减小了射线信息的数据量和前向计算过程中的计算量,从而提高了三维重建模型的训练效率和渲染速度,提高了三维重建模型的可用性。
此外,根据本公开的实施例,基于原尺寸的第一样本图像和第一预测图像的差异确定三维重建模型的损失并调整模型的参数,能够保证三维重建模型的三维重建精度,即,保证渲染图像的准确性。
在本公开的实施例中,目标场景可以是任意待重建的三维场景,例如城市街景、野外风景、元宇宙虚拟人物等。
在本公开的实施例中,第一样本图像可以是图像采集设备从任意视角采集到的目标场景的图像。图像采集设备可以是任意具有图像采集功能的设备,包括但不限于相机、摄像机、手机、平板电脑等。第一位姿是图像采集设备在采集第一样本图像时的位姿(即,视角)。
根据一些实施例,目标场景的第一样本图像以及该第一样本图像对应的图像采集设备的第一位姿可以通过SFM(Structure From Motion,从运动恢复结构)算法得到。例如,可以获取目标场景的多个不同视角的样本图像,随后采用SFM算法,计算得出每个样本图像对应的图像采集设备的位姿。可以理解,图像采集设备的位姿可以允许存在少量的误差。第一样本图像可以是目标场景的任一视角的样本图像,相应地,第一位姿为图像采集设备在采集该样本图像时的位姿。
图像采集设备的位姿(包括第一位姿和下文所描述的第二位姿)用于指示图像采集设备的位置和姿态。图像采集设备的位置例如可以采用形如(x,y,z)的三维坐标来表示。图像采集设备的姿态例如可以采用姿态角来表示。姿态角进一步包括俯仰角(pitch或θ)、偏航角(yaw或ψ)和翻滚角(roll或ϕ)。实践中,可以仅采用俯仰角和翻滚角来表示图像采集设备的姿态,而将偏航角统一设置为0。
在步骤S220中,对第一样本图像进行下采样(或称为降采样),以得到第一输入图像。下采样操作能够缩小图像的尺寸。由于对第一样本图像进行了下采样操作,因此所得到的第一输入图像的尺寸小于第一样本图像的尺寸。
第一输入图像的尺寸根据下采样的比例p确定。令第一样本图像的尺寸为W(横向像素的数量)*H(纵向像素的数量),则第一输入图像的尺寸为(W/p)*(H/p)。下采样的比例可以根据需要进行设置。例如,可以将下采样比例设置为1/4、1/8等。
在步骤S230中,基于图像采集设备的第一位姿,可以确定第一输入图像的多条第一射线。多条第一射线与样本图像中的多个像素分别对应,每条第一射线包括多个采样点。
根据一些实施例,多条第一射线中的每条第一射线为由具有第一位姿的图像采集设备指向第一输入图像中的相应像素的射线。具体地,基于第一位姿和图像采集设备的内参数(包括焦距、像素的物理尺寸、图像中心与图像原点相差的像素数量等),以及第一输入图像的各个像素在第一输入图像中的二维坐标,可以确定第一输入图像中的各个像素在空间中的位置,即三维坐标。进一步地,通过将图像采集设备的位置(即图像采集设备在第一位姿下的三维坐标)与像素的位置(即像素的三维坐标)相连,即可得到该像素对应的第一射线。
对第一射线上的点进行采样,可以得到多个采样点。例如,从第一射线的原点(即图像采集设备在第一位姿下的位置)开始,按照一定的间隔长度进行采样(即每隔一定长度采样一个点),得到多个采样点。采样点的数量可以根据需要来设置,例如设置为64、238、256等。可以理解,采样点的数量设置的越多,目标场景的三维重建结果通常越准确,但计算效率越低。
第一射线的信息可以是通过对该第一射线上的多个采样点的位置信息(例如三维坐标)进行编码所得到的向量。
在步骤S240中,将多条第一射线的信息输入三维重建模型,可以得到三维重建模型输出的目标场景在第一位姿下的渲染图像,即,第一预测图像。第一预测图像的尺寸与第一样本图像的尺寸相同。即,三维重建模型以小尺寸的第一输入图像的射线信息为输入,渲染并输出大尺寸的第一预测图像。
第一预测图像包括多个像素的预测颜色值(例如RGB值)。可以理解,第一预测图像中的像素与第一样本图像中的像素一一对应。第一样本图像中的像素的颜色值可以作为第一预测图像中的相应像素的预测颜色值的真值。
根据一些实施例,三维重建模型可以实现为多层感知机(MultiLayerPerceptron,MLP)。在另一些实施例中,三维重建模型也可以实现为卷积神经网络(Convolutional Neural Network,CNN)、深度神经网络(Deep Neural Network,DNN)等。
图3示出了根据本公开实施例的三维重建模型300的结构框图。如图3所示,三维重建模型300包括卷积层310、激活层320、中间处理模块330、反卷积层340、反卷积层350和反卷积层360。
中间处理模块330进一步包括卷积层331、批标准化(Batch Normalization, BN)层332、激活层333、卷积层334和批标准化层335。
中间处理模块330可以设置T个。T可以是任意正整数,例如20,30等。在第一处理模块330有多个(即,T>1)的情况下,第一个中间处理模块330的输入端连接激活层320的输出端,其他中间处理模块330的输入端连接上一个中间处理模块330的输出端。并且,最后一个中间处理模块330的输出端连接反卷积层340的输入端。
卷积层310、331和334例如可以采用1*1的卷积核。激活层320、333例如可以采用ReLU激活函数。反卷积层340-360中的每一个用于实现比例为2的图像上采样,即,对于每一个反卷积层,该反卷积层输出的图像的宽和高分别为输入该反卷积层的图像的宽和高的两倍。令输入任一反卷积层的图像的尺寸为w*h,则其输出的图像的尺寸为2w*2h。
第一样本图像的尺寸为W*H。第一输入图像的尺寸例如可以是(W/8)*(H/8)。基于图像采集设备的第一位姿,可以将第一输入图像中的每个像素转换成一条第一射线。对第一射线上的点进行采样,得到多个采样点。对第一射线上的多个采样点的位置信息进行编码,得到该第一射线的编码向量,即,第一射线的信息。编码向量的维度例如可以是C,即,编码向量中包括C个元素。
第一输入图像的多条第一射线的信息被输入卷积层310。多条第一射线的信息例如可以表示为N*C*(W/8)*(H/8)的张量,其中,N为第一输入图像的数量(即,第一样本图像的数量),C为第一射线的编码向量的维度,(W/8)*(H/8)为第一输入图像的尺寸。
经过卷积层310、激活层320、中间处理模块330、反卷积层340、反卷积层350和反卷积层360的前向计算,得到反卷积层360输出的尺寸为W*H的渲染图像,即,第一预测图像。第一预测图像例如可以表示为N*3*W*H的张量,其中,N为第一预测图像的数量(即,第一样本图像的数量),3为像素的颜色向量的维度(即,RGB三个通道),W*H为第一预测图像的尺寸。
在步骤S250中,至少基于第一预测图像与第一样本图像的差异,确定三维重建模型的损失。
根据一些实施例,可以仅基于第一预测图像与第一样本图像的第一差异,确定三维重建模型的损失。由此能够提高计算效率。
第一预测图像与第一样本图像的第一差异可以是第一预测图像与第一样本图像的颜色差异,相应地,三维重建模型的损失仅包括第一预测图像与第一样本图像的颜色损失。根据一些实施例,颜色损失可以表示为第一预测图像与第一样本图像的相应位置像素的颜色值的平均绝对误差(Mean Absolute Error,MAE),又称L1 Loss。根据另一些实施例,颜色损失也可以表示为第一预测图像与第一样本图像的相应位置像素的颜色值的均方误差(Mean Square Error,MSE),又称L2 Loss。应当理解,除了上述L1 Loss和L2 Loss之外,也可以采用其他函数(即,损失函数)来计算颜色损失。本公开对颜色损失的损失函数不做限制。
根据另一些实施例,也可以结合与第一样本图像具有重复像素的第二样本图像来确定三维重建模型的损失。由此能够在模型训练过程中添加图像之间的约束,从而保证三维重建结果的图像间的一致性,提高重建精度。根据一些实施例,方法200还包括:获取目标场景的第二样本图像、第二样本图像对应的第二预测图像以及第一样本图像与第二样本图像的像素匹配关系。其中,相匹配的第一样本图像中的第一像素和第二样本图像中的第二像素对应于相同的空间点。相应地,在步骤S250中,可以基于第一预测图像与第一样本图像的第一差异、第二预测图像与第二样本图像的第二差异和像素匹配关系,确定三维重建模型的损失。
根据上述实施例,预测图像与真实图像的差异(即,第一差异和第二差异)能够保证模型渲染的单个图像的颜色的准确性。像素匹配关系能够保证不同图像之间的颜色的一致性。综合第一差异、第二差异和像素匹配关系来确定三维重建模型的损失,能够提高三维重建模型的三维重建精度。
根据一些实施例,第二样本图像对应的第二预测图像可以根据以下步骤S210’-S240’获取。
在步骤S210’中,获取图像采集设备在采集第二样本图像时的第二位姿。
在步骤S220’中,对第二样本图像进行下采样,以得到第二输入图像。
在步骤S230’中,基于第二位姿,确定第二输入图像的多条第二射线,其中,多条第二射线与第二输入图像中的多个像素分别对应。
在步骤S240’中,将多条第二射线的信息输入三维重建模型,以得到三维重建模型输出的第二预测图像,其中,第二预测图像的尺寸与第二样本图像的尺寸相同。
需要说明的是,上述步骤S210’-S240’与上述步骤S210-S240分别对应。步骤S210’-S240’的具体实施细节可以参考步骤S210-S240的相关描述,此处不再赘述。
根据一些实施例,可以使第一样本图像的第一位姿和第二样本图像的第二位姿的差异比较小(例如小于第一阈值),由此能够保证第一样本图像与第二样本图像有足够多的重复像素,从而便于在模型训练过程中添加图像间约束(即,帧间约束),进而保证三维重建结果的帧间一致性,提高重建精度。
根据一些实施例,可以通过以下步骤S271-S273获得第一样本图像和第二样本图像。
在步骤S271中,获取目标场景的多个样本图像和与所述多个样本图像分别对应的图像采集设备的多个位姿。
在步骤S272中,基于所述多个位姿,从所述多个样本图像中确定多个样本图像对,其中,所述多个样本图像对中的任一样本图像对中的两个图像的位姿的差异小于第一阈值。两个图像的位姿的差异可以通过两个图像的位姿向量的距离表示。位姿向量可以是由图像采集设备的三维坐标和三维姿态角所组成的六维向量。
在步骤S273中,将所述样本图像对中的两个图像分别确定为所述第一样本图像和所述第二样本图像。
根据上述实施例,样本图像对中的两个图像的位姿的差异较小(即,小于第一阈值)。将样本图像对中的两个图像分别确定为第一样本图像和第二样本图像,能够保证第一样本图像和第二样本图像包含的重复像素较多,便于添加帧间约束,从而保证三维重建结果的帧间一致性,提高三维重建模型的重建精度。
根据一些实施例,可以利用图像采集设备采集目标场景的视频,将该视频中的多个连续的视频帧作为步骤S271中的多个样本图像。即,多个样本图像是由图像采集设备拍摄的目标场景的视频中的多个视频帧。视频中的视频帧具有连续性,距离较近的两个视频帧的拍摄视角(即,图像采集设备的位姿)差异不大。相应地,在步骤S272中,可以将视频帧编号的差异小于第二阈值(例如,10)的两个视频帧组合作为样本图像对。两个视频帧的编号的差异可以通过两个视频帧的编号的差的绝对值表示。
根据上述实施例,在对目标场景拍摄视频的情况下,可以将距离较近的视频帧组成样本图像对,从而提高样本图像对的生成效率。
在通过上述步骤S271-S273确定了与第一样本图像相对应的第二样本图像后,可以进一步确定第一样本图像与第二样本图像的像素匹配关系。
像素匹配关系用于指示第一样本图像中的第一像素与第二样本图像中的第二像素是否对应于相同的空间点。若第一样本图像中第一像素p1与第二样本图像中的第二像素p2对应于同一个空间点,则第一像素p1与第二像素p2相匹配。若第一样本图像中第一像素p1与第二样本图像中的第二像素p2对应于不同的空间点,则第一像素p1与第二像素p2不匹配。
需要说明的是,在第一像素p1与第二像素p2相匹配的情况下,由于第一样本图像和第二样本图像的拍摄视角不同,二者的像素坐标通常也不同。
根据一些实施例,第一样本图像与第二样本图像的像素匹配关系可以通过分析第一样本图像到第二样本图像的光流变化来确定。
根据一些实施例,可以基于经训练的光流估计网络,确定第一样本图像到第二样本图像的光流变化;以及基于光流变化,确定第一样本图像与第二样本图像的像素匹配关系。
根据上述实施例,利用光流估计网络估计两个样本图像的光流变化,并基于光流变化确定两个样本图像的像素匹配关系,能够快速确定像素匹配关系,提高了计算效率。
光流估计网络例如可以是神经网络,例如FlowNet等。光流估计网络以第一样本图像和第二样本图像为输入,输出第一样本图像到第二样本图像的光流变化。光流变化指的是第一样本图像中的第一像素到第二样本图像中的与之相匹配(即,对应于同一个空间点)的第二像素的位移。光流变化可以表示为一个2*W*H的张量,其中,2表示横向和纵向两个方向的位移,W*H为第一样本图像和第二样本图像的尺寸。
由于光流变化指示了第一像素到与之相匹配的第二像素的位移,因此,将第一像素的像素坐标与位移相加,即可得到与该第一像素相匹配的第二像素的像素坐标,从而确定与该第一像素相匹配的第二像素。
在得到第一样本图像与第二样本图像的像素匹配关系和第二样本图像对应的第二预测图像之后,在步骤S250中,可以基于第一预测图像与第一样本图像的第一差异、第二预测图像与第二样本图像的第二差异和像素匹配关系,确定三维重建模型的损失。
根据一些实施例,可以基于第一预测图像与第一样本图像的第一差异、第二预测图像与第二样本图像的第二差异和第一目标像素的颜色值与第二目标像素的颜色值的第三差异,确定三维重建模型的损失。其中,第一目标像素为第一预测图像中的任一像素,第二目标像素为第二预测图像中的与第一目标像素相匹配的像素。
根据上述实施例,基于相匹配的像素的颜色值的差异(即,第三差异)确定模型损失,第三差异与图像采集设备的位姿无关,不会造成位姿误差的累积,从而保证模型训练的准确性。
可以理解,第一预测图像(预测值)与第一样本图像(真实值)的像素一一对应,第二预测图像(预测值)与第二样本图像(真实值)的像素一一对应。因此,第一样本图像与第二样本图像的像素匹配关系可以复用于第一预测图像与第二预测图像,即,第一预测图像与第二预测图像的像素匹配关系与第一样本图像与第二样本图像的像素匹配关系相同。
第二预测图像与第二样本图像的第二差异可以是第二预测图像与第二样本图像的颜色差异。根据一些实施例,颜色差异可以表示为第二预测图像与第二样本图像的相应位置像素的颜色值的平均绝对误差(L1 Loss)或均方误差(L2 Loss)。应当理解,除了上述L1 Loss和L2 Loss之外,也可以采用其他函数来计算颜色差异。本公开对颜色差异的计算函数不做限制。
第一目标像素的颜色值与第二目标像素的颜色值的第三差异例如可以是二者的平均绝对误差(L1 Loss)或均方误差(L2 Loss)。应当理解,除了上述L1 Loss和L2 Loss之外,也可以采用其他函数来计算颜色差异。本公开对颜色差异的计算函数不做限制。
根据一些实施例,三维重建模型的损失可以是上述第一差异、第二差异和第三差异的加权和。
根据一些实施例,可以基于像素匹配关系计算重投影误差,基于重投影误差确定三维重建模型的损失。具体地,可以根据以下步骤S281-S283确定三维重建模型的损失。
在步骤S281中,基于第一位姿和第二位姿,将第一预测图像中的第一目标像素重投影至第二预测图像中,以得到第一目标像素对应的第二预测图像中的重投影像素。
在步骤S282中,基于像素匹配关系,确定第二预测图像中的与第一目标像素相匹配的第二目标像素。
在步骤S283中,基于第一预测图像与第一样本图像的第一差异、第二预测图像与第二样本图像的第二差异和重投影像素的坐标与第二目标像素的坐标的第四差异,确定三维重建模型的损失。
根据上述实施例,基于相匹配的像素的重投影误差(即,第四差异)确定模型损失。需要说明的是,由于在计算重投影误差时用到了图像采集设备的位姿信息,因此有可能造成位姿误差的累积。在位姿误差较大的情况下,模型的准确性和收敛速度可能会受到一定的影响。
根据一些实施例,重投影像素的坐标与第二目标像素的坐标的第四差异例如可以是二者的坐标的欧氏距离。
根据一些实施例,三维重建模型的损失可以是上述第一差异、第二差异和第四差异的加权和。
在通过步骤S250确定三维重建模型的损失之后,在步骤S260中,可以基于所确定的损失,利用诸如反向传播等算法来调整三维重建模型的参数。
可以理解,步骤S210-S260可以反复执行多次,由此进行多轮迭代,逐渐优化三维重建模型的参数。在达到预设的终止条件时,停止训练过程,得到经训练的三维重建模型。终止条件例如可以是损失小于损失阈值、迭代次数达到次数阈值、损失收敛等。
基于经训练的三维重建模型,本公开的实施例还提供一种三维场景渲染方法。图4示出了根据本公开的实施例的三维场景渲染方法400的流程图。方法400可以由服务器执行,也可以由客户端设备执行。
如图4所示,方法400包括步骤S410-S420。
在步骤S410中,获取针对目标场景的三维重建模型和目标场景的观察位姿,其中,三维重建模型是基于本公开实施例的三维重建模型的训练方法训练得到的。
在步骤S420中,基于三维重建模型和观察位姿,生成目标场景在所述观察位姿下的渲染图像。
根据本公开的实施例,采用经训练的三维重建模型来生成目标场景在指定视角(即观察位姿)下的渲染图像。根据本公开实施例的三维重建模型,能够提高渲染图像的渲染速度和准确性。
根据一些实施例,可以接收用户的三维场景渲染请求,该三维场景渲染请求包括待渲染的目标场景以及用户指定的目标场景的观察位姿。
观察位姿例如包括观察目标场景的位置(用三维坐标表示)和姿态角(包括俯仰角、偏航角和翻滚角)。将观察位姿输入经训练的三维重建模型,即可得到三维重建模型输出的目标场景在该观察位姿下的渲染图像。
根据本公开的实施例,还提供了一种三维重建模型的训练装置。
图5示出了根据本公开实施例的三维重建模型的训练装置500的结构框图。如图5所示,装置500包括第一获取模块510、第一下采样模块520、第一确定模块530、第一输出模块540、第二确定模块550和调整模块560。
第一获取模块510被配置为获取目标场景的第一样本图像和图像采集设备在采集所述第一样本图像时的第一位姿。
第一下采样模块520被配置为对所述第一样本图像进行下采样,以得到第一输入图像。
第一确定模块530被配置为基于所述第一位姿,确定所述第一输入图像的多条第一射线,其中,所述多条第一射线与所述第一输入图像中的多个像素分别对应。
第一输出模块540被配置为将所述多条第一射线的信息输入三维重建模型,以得到所述三维重建模型输出的第一预测图像,其中,所述第一预测图像的尺寸与所述第一样本图像的尺寸相同。
第二确定模块550被配置为至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失。
调整模块560被配置为基于所述损失,调整所述三维重建模型的参数。
根据本公开的实施例,通过对第一样本图像进行下采样,得到小尺寸的第一输入图像。将小尺寸的第一输入图像的射线信息(即,多条第一射线的信息)输入三维重建模型以得到原尺寸的渲染图像(即,第一预测图像)。相较于直接将第一样本图像的射线信息输入三维重建模型的方案来说,大大减小了射线信息的数据量和前向计算过程中的计算量,从而提高了模型的训练效率和渲染速度。
此外,根据本公开的实施例,基于原尺寸的第一样本图像和第一预测图像的差异确定三维重建模型的损失并调整模型的参数,能够保证三维重建模型的三维重建精度,即,保证渲染图像的准确性。
根据一些实施例,装置500还包括:第二获取模块,被配置为获取目标场景的第二样本图像、所述第二样本图像对应的第二预测图像和所述第一样本图像与所述第二样本图像的像素匹配关系,其中,相匹配的第一样本图像中的第一像素和第二样本图像中的第二像素对应于相同的空间点;其中,所述第二确定模块进一步被配置为:基于所述第一预测图像与所述第一样本图像的第一差异、所述第二预测图像与所述第二样本图像的第二差异和所述像素匹配关系,确定所述损失。
根据一些实施例,所述第二确定模块包括:第一确定单元,被配置为基于所述第一差异、所述第二差异和第一目标像素的颜色值与第二目标像素的颜色值的第三差异,确定所述损失,其中,所述第一目标像素为所述第一预测图像中的任一像素,所述第二目标像素为所述第二预测图像中的与所述第一目标像素相匹配的像素。
根据一些实施例,所述第二确定模块包括:重投影单元,被配置为基于所述第一位姿和所述图像采集设备在采集所述第二样本图像时的第二位姿,将所述第一预测图像中的第一目标像素重投影至第二预测图像中,以得到所述第二预测图像中的重投影像素;匹配单元,被配置为基于所述像素匹配关系,确定所述第二预测图像中的与所述第一目标像素相匹配的第二目标像素;以及第二确定单元,被配置为基于所述第一差异、所述第二差异和所述重投影像素的坐标与所述第二目标像素的坐标的第四差异,确定所述损失。
根据一些实施例,装置500还包括:估计模块,被配置为基于经训练的光流估计网络,确定所述第一样本图像到所述第二样本图像的光流变化;以及第三确定模块,被配置为基于所述光流变化,确定所述像素匹配关系。
根据一些实施例,装置500还包括:第三获取模块,被配置为获取目标场景的多个样本图像和与所述多个样本图像分别对应的图像采集设备的多个位姿;第四确定模块,被配置为基于所述多个位姿,从所述多个样本图像中确定多个样本图像对,其中,所述多个样本图像对中的任一样本图像对中的两个图像的位姿的差异小于第一阈值;以及第五确定模块,被配置为将所述样本图像对中的两个图像分别确定为所述第一样本图像和所述第二样本图像。
根据一些实施例,所述多个样本图像是由所述图像采集设备拍摄的所述目标场景的视频中的多个视频帧,并且其中,所述第四确定模块进一步被配置为:将视频帧编号的差异小于第二阈值的两个视频帧确定为所述样本图像对。
根据一些实施例,所述第二获取模块包括:第四获取模块,被配置为获取所述图像采集设备在采集所述第二样本图像时的第二位姿;第二下采样模块,被配置为对所述第二样本图像进行下采样,以得到第二输入图像;第六确定模块,被配置为基于所述第二位姿,确定所述第二输入图像的多条第二射线,其中,所述多条第二射线与所述第二输入图像中的多个像素分别对应;以及第二输出模块,被配置为将所述多条第二射线的信息输入所述三维重建模型,以得到所述三维重建模型输出的第二预测图像,其中,所述第二预测图像的尺寸与所述第二样本图像的尺寸相同。
根据一些实施例,所述多条第一射线中的每条第一射线为由具有所述第一位姿的图像采集设备指向所述第一输入图像中的相应像素的射线。
应当理解,图5中所示装置500的各个模块或单元可以与参考图2描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置500及其包括的模块以及单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
根据本公开的实施例,还提供了一种三维场景渲染装置。
图6示出了根据本公开实施例的三维场景渲染装置600的结构框图。如图6所述,装置600包括获取模块610和生成模块620。
获取模块610被配置为获取针对目标场景的三维重建模型和所述目标场景的观察位姿,其中,所述三维重建模型是基于权利要求10-17中任一项所述的装置训练得到的。
生成模块620被配置为基于所述三维重建模型和所述观察位姿,生成所述目标场景在所述观察位姿下的渲染图像。
根据本公开的实施例,采用经训练的三维重建模型来生成目标场景在指定视角(即观察位姿)下的渲染图像。根据本公开实施例的三维重建模型,能够提高渲染图像的渲染速度和准确性。
应当理解,图6中所示装置600的各个模块或单元可以与参考图4描述的方法400中的各个步骤相对应。由此,上面针对方法400描述的操作、特征和优点同样适用于装置600及其包括的模块以及单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5、图6描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些模块可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。例如,在一些实施例中,模块510-620中的一个或多个可以一起被实现在片上系统(System on Chip, SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(Central Processing Unit, CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor, DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的实施例,还提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器,该存储器存储有可被上述至少一个处理器执行的指令,该指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行本公开实施例的三维重建模型的训练方法和/或三维场景渲染方法。
根据本公开的实施例,还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开实施例的三维重建模型的训练方法和/或三维场景渲染方法。
根据本公开的实施例,还提供了一种计算机程序产品,包括计算机程序指令,该计算机程序指令在被处理器执行时实现本公开实施例的三维重建模型的训练方法和/或三维场景渲染方法。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、Wi-Fi设备、WiMAX设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如方法200和/或方法400。例如,在一些实施例中,方法200和/或方法400可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的方法200和方法400的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200和/或方法400。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本公开的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (22)
1.一种三维重建模型的训练方法,包括:
获取目标场景的第一样本图像和图像采集设备在采集所述第一样本图像时的第一位姿;
对所述第一样本图像进行下采样,以得到第一输入图像;
基于所述第一位姿,确定所述第一输入图像的多条第一射线,其中,所述多条第一射线与所述第一输入图像中的多个像素分别对应;
将所述多条第一射线的信息输入三维重建模型,以得到所述三维重建模型输出的第一预测图像,其中,所述第一预测图像的尺寸与所述第一样本图像的尺寸相同;
至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失;以及
基于所述损失,调整所述三维重建模型的参数。
2.根据权利要求1所述的方法,还包括:
获取所述目标场景的第二样本图像、所述第二样本图像对应的第二预测图像和所述第一样本图像与所述第二样本图像的像素匹配关系,其中,相匹配的第一样本图像中的第一像素和第二样本图像中的第二像素对应于相同的空间点;
其中,所述至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失包括:
基于所述第一预测图像与所述第一样本图像的第一差异、所述第二预测图像与所述第二样本图像的第二差异和所述像素匹配关系,确定所述损失。
3.根据权利要求2所述的方法,其中,所述基于所述第一预测图像与所述第一样本图像的第一差异、所述第二预测图像与所述第二样本图像的第二差异和所述像素匹配关系,确定所述损失包括:
基于所述第一差异、所述第二差异和第一目标像素的颜色值与第二目标像素的颜色值的第三差异,确定所述损失,其中,所述第一目标像素为所述第一预测图像中的任一像素,所述第二目标像素为所述第二预测图像中的与所述第一目标像素相匹配的像素。
4.根据权利要求2所述的方法,其中,所述基于所述第一预测图像与所述第一样本图像的第一差异、所述第二预测图像与所述第二样本图像的第二差异和所述像素匹配关系,确定所述损失包括:
基于所述第一位姿和所述图像采集设备在采集所述第二样本图像时的第二位姿,将所述第一预测图像中的第一目标像素重投影至第二预测图像中,以得到所述第二预测图像中的重投影像素;
基于所述像素匹配关系,确定所述第二预测图像中的与所述第一目标像素相匹配的第二目标像素;以及
基于所述第一差异、所述第二差异和所述重投影像素的坐标与所述第二目标像素的坐标的第四差异,确定所述损失。
5.根据权利要求2-4中任一项所述的方法,还包括:
基于经训练的光流估计网络,确定所述第一样本图像到所述第二样本图像的光流变化;以及
基于所述光流变化,确定所述像素匹配关系。
6.根据权利要求2-4中任一项所述的方法,还包括:
获取所述目标场景的多个样本图像和与所述多个样本图像分别对应的图像采集设备的多个位姿;
基于所述多个位姿,从所述多个样本图像中确定多个样本图像对,其中,所述多个样本图像对中的任一样本图像对中的两个图像的位姿的差异小于第一阈值;以及
将所述样本图像对中的两个图像分别确定为所述第一样本图像和所述第二样本图像。
7.根据权利要求6所述的方法,其中,所述多个样本图像是由所述图像采集设备拍摄的所述目标场景的视频中的多个视频帧,并且其中,所述基于所述多个位姿,从所述多个样本图像中确定多个样本图像对包括:
将视频帧编号的差异小于第二阈值的两个视频帧确定为所述样本图像对。
8.根据权利要求2所述的方法,其中,获取所述第二样本图像对应的第二预测图像包括:
获取所述图像采集设备在采集所述第二样本图像时的第二位姿;
对所述第二样本图像进行下采样,以得到第二输入图像;
基于所述第二位姿,确定所述第二输入图像的多条第二射线,其中,所述多条第二射线与所述第二输入图像中的多个像素分别对应;以及
将所述多条第二射线的信息输入所述三维重建模型,以得到所述三维重建模型输出的所述第二预测图像,其中,所述第二预测图像的尺寸与所述第二样本图像的尺寸相同。
9.根据权利要求1所述的方法,其中,所述多条第一射线中的每条第一射线为由具有所述第一位姿的图像采集设备指向所述第一输入图像中的相应像素的射线。
10.一种三维场景渲染方法,包括:
获取针对目标场景的三维重建模型和所述目标场景的观察位姿,其中,所述三维重建模型是基于权利要求1-9中任一项所述的方法训练得到的;以及
基于所述三维重建模型和所述观察位姿,生成所述目标场景在所述观察位姿下的渲染图像。
11.一种三维重建模型的训练装置,包括:
第一获取模块,被配置为获取目标场景的第一样本图像和图像采集设备在采集所述第一样本图像时的第一位姿;
第一下采样模块,被配置为对所述第一样本图像进行下采样,以得到第一输入图像;
第一确定模块,被配置为基于所述第一位姿,确定所述第一输入图像的多条第一射线,其中,所述多条第一射线与所述第一输入图像中的多个像素分别对应;
第一输出模块,被配置为将所述多条第一射线的信息输入三维重建模型,以得到所述三维重建模型输出的第一预测图像,其中,所述第一预测图像的尺寸与所述第一样本图像的尺寸相同;
第二确定模块,被配置为至少基于所述第一预测图像与所述第一样本图像的差异,确定所述三维重建模型的损失;以及
调整模块,被配置为基于所述损失,调整所述三维重建模型的参数。
12.根据权利要求11所述的装置,还包括:
第二获取模块,被配置为获取所述目标场景的第二样本图像、所述第二样本图像对应的第二预测图像和所述第一样本图像与所述第二样本图像的像素匹配关系,其中,相匹配的第一样本图像中的第一像素和第二样本图像中的第二像素对应于相同的空间点;
其中,所述第二确定模块进一步被配置为:
基于所述第一预测图像与所述第一样本图像的第一差异、所述第二预测图像与所述第二样本图像的第二差异和所述像素匹配关系,确定所述损失。
13.根据权利要求12所述的装置,其中,所述第二确定模块包括:
第一确定单元,被配置为基于所述第一差异、所述第二差异和第一目标像素的颜色值与第二目标像素的颜色值的第三差异,确定所述损失,其中,所述第一目标像素为所述第一预测图像中的任一像素,所述第二目标像素为所述第二预测图像中的与所述第一目标像素相匹配的像素。
14.根据权利要求12所述的装置,其中,所述第二确定模块包括:
重投影单元,被配置为基于所述第一位姿和所述图像采集设备在采集所述第二样本图像时的第二位姿,将所述第一预测图像中的第一目标像素重投影至第二预测图像中,以得到所述第二预测图像中的重投影像素;
匹配单元,被配置为基于所述像素匹配关系,确定所述第二预测图像中的与所述第一目标像素相匹配的第二目标像素;以及
第二确定单元,被配置为基于所述第一差异、所述第二差异和所述重投影像素的坐标与所述第二目标像素的坐标的第四差异,确定所述损失。
15.根据权利要求12-14中任一项所述的装置,还包括:
估计模块,被配置为基于经训练的光流估计网络,确定所述第一样本图像到所述第二样本图像的光流变化;以及
第三确定模块,被配置为基于所述光流变化,确定所述像素匹配关系。
16.根据权利要求12-14中任一项所述的装置,还包括:
第三获取模块,被配置为获取所述目标场景的多个样本图像和与所述多个样本图像分别对应的图像采集设备的多个位姿;
第四确定模块,被配置为基于所述多个位姿,从所述多个样本图像中确定多个样本图像对,其中,所述多个样本图像对中的任一样本图像对中的两个图像的位姿的差异小于第一阈值;以及
第五确定模块,被配置为将所述样本图像对中的两个图像分别确定为所述第一样本图像和所述第二样本图像。
17.根据权利要求16所述的装置,其中,所述多个样本图像是由所述图像采集设备拍摄的所述目标场景的视频中的多个视频帧,并且其中,所述第四确定模块进一步被配置为:
将视频帧编号的差异小于第二阈值的两个视频帧确定为所述样本图像对。
18.根据权利要求12所述的装置,其中,所述第二获取模块包括:
第四获取模块,被配置为获取所述图像采集设备在采集所述第二样本图像时的第二位姿;
第二下采样模块,被配置为对所述第二样本图像进行下采样,以得到第二输入图像;
第六确定模块,被配置为基于所述第二位姿,确定所述第二输入图像的多条第二射线,其中,所述多条第二射线与所述第二输入图像中的多个像素分别对应;以及
第二输出模块,被配置为将所述多条第二射线的信息输入所述三维重建模型,以得到所述三维重建模型输出的第二预测图像,其中,所述第二预测图像的尺寸与所述第二样本图像的尺寸相同。
19.根据权利要求11所述的装置,其中,所述多条第一射线中的每条第一射线为由具有所述第一位姿的图像采集设备指向所述第一输入图像中的相应像素的射线。
20.一种三维场景渲染装置,包括:
获取模块,被配置为获取针对目标场景的三维重建模型和所述目标场景的观察位姿,其中,所述三维重建模型是基于权利要求11-19中任一项所述的装置训练得到的;以及
生成模块,被配置为基于所述三维重建模型和所述观察位姿,生成所述目标场景在所述观察位姿下的渲染图像。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310499294.6A CN116246026B (zh) | 2023-05-05 | 2023-05-05 | 三维重建模型的训练方法、三维场景渲染方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310499294.6A CN116246026B (zh) | 2023-05-05 | 2023-05-05 | 三维重建模型的训练方法、三维场景渲染方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116246026A true CN116246026A (zh) | 2023-06-09 |
CN116246026B CN116246026B (zh) | 2023-08-08 |
Family
ID=86628086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310499294.6A Active CN116246026B (zh) | 2023-05-05 | 2023-05-05 | 三维重建模型的训练方法、三维场景渲染方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116246026B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974904A (zh) * | 2024-02-27 | 2024-05-03 | 北京数原数字化城市研究中心 | 三维重建模型生成方法、三维重建方法、装置及相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311743A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
CN114913284A (zh) * | 2022-06-08 | 2022-08-16 | 厦门美图之家科技有限公司 | 三维人脸重建模型训练方法、装置和计算机设备 |
CN115578515A (zh) * | 2022-09-30 | 2023-01-06 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维场景渲染方法及装置 |
US20230073340A1 (en) * | 2020-06-19 | 2023-03-09 | Beijing Dajia Internet Information Technology Co., Ltd. | Method for constructing three-dimensional human body model, and electronic device |
-
2023
- 2023-05-05 CN CN202310499294.6A patent/CN116246026B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311743A (zh) * | 2020-03-27 | 2020-06-19 | 北京百度网讯科技有限公司 | 三维重建精度测试方法、测试装置和电子设备 |
US20230073340A1 (en) * | 2020-06-19 | 2023-03-09 | Beijing Dajia Internet Information Technology Co., Ltd. | Method for constructing three-dimensional human body model, and electronic device |
CN114913284A (zh) * | 2022-06-08 | 2022-08-16 | 厦门美图之家科技有限公司 | 三维人脸重建模型训练方法、装置和计算机设备 |
CN115578515A (zh) * | 2022-09-30 | 2023-01-06 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、三维场景渲染方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117974904A (zh) * | 2024-02-27 | 2024-05-03 | 北京数原数字化城市研究中心 | 三维重建模型生成方法、三维重建方法、装置及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116246026B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11232286B2 (en) | Method and apparatus for generating face rotation image | |
CN115147558B (zh) | 三维重建模型的训练方法、三维重建方法及装置 | |
CN115578515B (zh) | 三维重建模型的训练方法、三维场景渲染方法及装置 | |
CN113688907B (zh) | 模型训练、视频处理方法,装置,设备以及存储介质 | |
CN115690382B (zh) | 深度学习模型的训练方法、生成全景图的方法和装置 | |
CN117274491B (zh) | 三维重建模型的训练方法、装置、设备和介质 | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN116246026B (zh) | 三维重建模型的训练方法、三维场景渲染方法及装置 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN111523467B (zh) | 人脸跟踪方法和装置 | |
CN115482325A (zh) | 画面渲染方法、装置、系统、设备及介质 | |
CN116245998B (zh) | 渲染贴图生成方法及装置、模型训练方法及装置 | |
CN117274370A (zh) | 三维位姿确定方法、装置、电子设备和介质 | |
CN115578432B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN116309158A (zh) | 网络模型的训练方法、三维重建方法、装置、设备和介质 | |
CN115965939A (zh) | 三维目标检测方法及装置、电子设备、介质和车辆 | |
CN115375740A (zh) | 位姿确定方法和三维模型的生成方法、装置、设备、介质 | |
CN115797455B (zh) | 目标检测方法、装置、电子设备和存储介质 | |
CN116385643B (zh) | 虚拟形象生成、模型的训练方法、装置及电子设备 | |
CN116229583B (zh) | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN117218297B (zh) | 人体重建参数生成方法、装置、设备和介质 | |
CN115861425A (zh) | 用于确定相机位姿的方法、装置、电子设备、介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |