CN113850916B 模型训练、点云缺失补全方法、装置、设备及介质 （浪潮电子信息产业股份有限公司）

AntonioAlliegro.DenoiseandContrforCategoryAgnostCompletion.ComputerVisionand本申请公开了模型训练、点云缺失补全方2将所述训练缺失点云数据输入初始模型，得到训练修复点云数复点云数据和所述训练缺失点云数据对应的原始点云数据调其中，所述初始模型包括目标重构网络和初始生成网络，所述目标选择任意一个训练缺失点云数据作为锚点点将训练缺失点云数据组成的集合中与锚点点云对应的同一原始点云数据的训练缺失将样本输入初始重构网络的初始编码网络得到输入特征；征提取块，每个所述特征提取块包括一个多层感知机和一个基于最远点采样的下采样层；所述初始解码网络包括多个多层感知机和多个分别对各个所述原始缺失点云进行不同程度的缺失处理，得到所述训练缺失点云数3其中，所述缺失点云真值数据为所述训练缺失点云数据与对将所述待补全点云数据输入如权利要求1至6任一项所述的点云补全于所述训练修复点云数据和所述训练缺失点云数据对应的原始点云数据调整所述初始模其中，所述初始模型包括目标重构网络和初始生成网络，所述目标预训练模块，用于选择任意一个训练缺失点云数据作为锚点点云补全处理模块，用于将所述待补全点云数据输入如权利要求1至所述处理器，用于执行所述计算机程序，以实现如权利要求1至6任一45[0002]三维重建技术将三维的物体在虚拟世界中重建出来，是VR/AR(Virt6[0016]利用所述输入特征得到对比学习损失值，利用所述重构点云数据得到重建损失7并基于所述训练修复点云数据和所述训练缺失点云数据对应的原始点云数据调整所述初据的角度对全局结构进行学习。即对应于同一个原始点云数据的若干个训练缺失点云数8获取训练缺失点云数据以及其对应的原始点云数据，该原始点云数据通常为点云真值数9述训练修复点云数据和所述训练缺失点云数据对应的原始点云数据调整所述初始模型的局结构进行特征提取。该全局结构的获取情况依赖于数据部分相较于标签部分的缺失程并利用对比学习损失值和重建损失值对初始重构网个训练缺失点云数据作为锚点点云PS，并将SS中与PS相对应的训练缺失点云数据作为正样为飞机点云，则SS中与飞机相对应的训练缺失点云数据(即根据飞机点云得到的各个具有缺失的飞机点云)为正样本，与飞机不对应的训练缺失点云数据(例如具有缺失的椅子点构)作为基本框架，其中包括若干个特征提取块，每个特征提取块包含一个MLP(Multi-始编码网络，能够使得初始编码网络学习到的点云全局结构包含来自不同局部区域的信始编码网络可以得到表示飞机的每个部分的局部细节特征，以及表示整体的全局结构特点云数据和训练缺失点云数据(或经过重构得到的重构点云数据)直接拼接得到训练修复的情况对缺失点云进行准确地预测，进而提高了补全处理后的处理后点云数据的准确性，并基于训练修复点云数据和训练缺失点云数据对应的原始点云数据[0129]确定模块130，用于若检测到满足训练完成条件，则确定初始模型为点云补全模[0140]特征获取子单元，用于将训练缺失点云数据输入初始重构网络中的初始编码网[0151]修正单元，用于将缺失点云数据和目标重构网络输出的[0158]第二损失生成单元，用于利用修正重建损失值和缺失重建损失值生成第二损失输出(I/O)接口104以及通信组件105中的一种中的全部或部分步骤；存储器102用于存储各种类型的数据以支持在电子设备100的操作，这些数据例如可以包括用于在该电子设备100上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器102可以由任何类型的易失性或非易失性存储设备或者它除可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)、只读存储器(Read-Only[0168]电子设备100可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、数字信号处理器(DigitalSignalProcessor，简称件(ProgrammableLogicDevice，简称PLD)、现场可编程门阵列(FieldProgrammable[0171]该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储