[发明专利]网格重建模型的训练方法、网格重建方法及装置

权利要求书

1.一种网格重建模型的训练方法，其特征在于，所述方法包括：

获取样本原始网格，所述样本原始网格包括多个样本原始顶点的位置信息；

通过神经网络模型对所述样本原始网格进行球面参数化，得到样本球面网格，所述样本球面网格包括至少一个样本球面子网格，任一个样本球面子网格是通过对所述样本原始网格中一个样本原始子网格进行球面转化得到的；

通过所述神经网络模型基于所述样本球面网格确定样本重建网格，所述样本重建网格包括多个样本重建顶点的位置信息；

基于各个样本原始顶点的位置信息，确定所述各个样本原始顶点的第一信息差异，任一个样本原始顶点的第一信息差异用于描述所述任一个样本原始顶点和位置相邻的样本原始顶点之间的位置信息差异；

基于各个样本重建顶点的位置信息，确定所述各个样本重建顶点的第二信息差异，任一个样本重建顶点的第二信息差异用于描述所述任一个样本重建顶点和位置相邻的样本重建顶点之间的位置信息差异；

基于所述各个样本原始顶点的第一信息差异和所述各个样本重建顶点的第二信息差异，确定第二损失；

基于所述第二损失对所述神经网络模型进行训练，得到网格重建模型，所述网格重建模型用于对目标原始网格进行重建得到目标重建网格。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括球面映射网络；

所述通过神经网络模型对所述样本原始网格进行球面参数化，得到样本球面网格，包括：

通过所述球面映射网络对所述样本原始网格进行球面参数化，得到所述样本球面网格；

或者，对所述样本原始网格进行下采样得到样本稀疏网格，通过所述球面映射网络对所述样本稀疏网格进行球面参数化，得到所述样本球面网格。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取参考原始网格，所述参考原始网格包括多个参考原始顶点的位置信息；

基于各个参考原始顶点的位置信息，计算各个参考原始顶点的球坐标；

通过初始映射网络对所述参考原始网格进行球面参数化，得到参考球面网格，所述参考球面网格包括至少一个参考球面子网格，任一个参考球面子网格是通过对所述参考原始网格中一个参考原始子网格进行球面转化得到的；

基于所述各个参考原始顶点的球坐标和所述参考球面网格，对所述初始映射网络进行训练，得到所述球面映射网络。

4.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括编码网络和解码网络；

所述通过所述神经网络模型基于所述样本球面网格确定样本重建网格，包括：

通过所述编码网络对所述样本球面网格进行编码处理，得到球面网格特征；

通过所述解码网络对所述球面网格特征和所述样本球面网格进行解码处理，得到所述样本重建网格。

5.根据权利要求4所述的方法，其特征在于，所述样本球面网格包括凹凸区域和平坦区域；

所述通过所述编码网络对所述样本球面网格进行编码处理，得到球面网格特征，包括：

对所述凹凸区域进行傅里叶映射处理，得到傅里叶映射处理后的凹凸区域；

通过所述编码网络对所述平坦区域和所述傅里叶映射处理后的凹凸区域进行编码处理，得到所述球面网格特征。

6.根据权利要求4所述的方法，其特征在于，所述样本球面网格是通过球面映射网络对样本稀疏网格进行球面参数化得到的，所述样本稀疏网格包括多个采样顶点的位置信息，一个采样顶点是一个样本原始顶点；所述球面网格特征包括所述多个采样顶点的特征；

所述通过所述解码网络对所述球面网格特征和所述样本球面网格进行解码处理，得到所述样本重建网格，包括：

将所述多个采样顶点的特征进行融合，得到样本融合特征；

通过所述解码网络对所述样本融合特征和所述样本球面网格进行解码处理，得到所述样本重建网格。