[发明专利]图像重建网络模型的训练方法、装置和电子设备

权利要求书

1.一种图像重建网络模型的训练方法，其特征在于，所述方法包括:

获取待训练图像重建网络模型的初始参数；

获取样本图像对，其中所述样本图像对中包括三维图像以及与所述三维图像对应的二维图像，其中所述三维图像由第一向量表示，所述第一向量中的元素表示所述三维图像中的顶点的坐标；

通过所述图像重建网络模型将所述二维图像转换为第二向量，其中所述第二向量的元素个数与所述第一向量的元素个数相同；

计算所述第二向量与所述第一向量之间的误差；

基于所述误差对所述图像重建网络模型的参数进行调整。

2.如权利要求1所述的图像重建网络模型的训练方法，其特征在于，所述方法还包括：

根据调整后的参数和所述样本图像对，继续进行所述参数的调整过程，直至调整次数达到预设值。

3.如权利要求1所述的图像重建网络模型的训练方法，其特征在于，所述通过所述图像重建网络模型将所述二维图像转换为第二向量，包括：

通过所述图像重建网络模型中第一网络将所述二维图像转换为第三向量；

通过所述图像重建网络模型中的第二网络将所述第三向量转换为第二向量。

4.如权利要求3所述的图像重建网络模型的训练方法，其特征在于，所述第一网络包括：多个卷积层以及至少一个全连接层。

5.如权利要求3所述的图像重建网络模型的训练方法，其特征在于，所述第二网络包括：至少两个全连接层。

6.如权利要求1所述的图像重建网络模型的训练方法，其特征在于，所述计算所述第二向量与所述第一向量之间的误差，包括：

获取第一向量中的每个第一元素；

获取第二向量中的每个第二元素；

计算所述每个第一元素和与其对应的第二元素的差值的平方值；

计算所述平方值的平均值作为所述第二向量与所述第一向量之间的误差。

7.如权利要求1所述的图像重建网络模型的训练方法，其特征在于，所述第一向量通过如下步骤得到：

将所述三维图像的顶点的坐标从世界坐标系下的第一坐标转换为相机坐标系下的第二坐标；

将所述第二坐标进行旋转并映射到所述二维图像的平面上使所述三维图像与所述二维图像对齐得到第三坐标；

将所述三维图像中的每个顶点的第三坐标作为向量中的一个元素形成第一向量。

8.一种图像重建方法，其特征在于，包括：

获取待重建的二维图像；

将所述待重建的二维图像输入图像重建网络模型，其中所述图像重建网络模型为根据权利要求1中的方法训练得到的模型；

获取所述图像重建网络模型输出的第四向量，其中所述第四向量中的每个元素表示所述二维图像所对应的三维图像中的顶点；

获取所述三维图像的网格表，所述网格表中包括所述顶点的连接关系；

根据所述第四向量以及所述网格表生成所述二维图像所对应的三维图像。

9.一种图像重建网络模型的训练装置，包括：

初始参数获取模块，用于获取待训练图像重建网络模型的初始参数；

样本获取模块，用于获取样本图像对，其中所述样本图像对中包括三维图像以及与所述三维图像对应的二维图像，其中所述三维图像由第一向量表示，所述第一向量中的元素表示所述三维图像中的顶点的坐标；

二维图像转换模块，用于通过所述图像重建网络模型将所述二维图像转换为第二向量，其中所述第二向量的元素个数与所述第一向量的元素个数相同；

误差计算模块，用于计算所述第二向量与所述第一向量之间的误差；

参数调整模块，用于基于所述误差对所述图像重建网络模型的参数进行调整。