知识图谱

第七章：基于视觉及人工智能的三维重建

├── 7.1 基于双目视觉的三维重建

│ ├── 7.1.1 双目视觉三维重建的基本原理及流程

│ │ ├── 基本原理

│ │ │ ├── 立体视觉

│ │ │ └── 深度计算

│ │ └── 流程

│ │ ├── 图像捕捉

│ │ ├── 立体匹配

│ │ └── 深度图生成

│ ├── 7.1.2 传统立体匹配方法

│ │ ├── 匹配技术

│ │ │ ├── 匹配代价计算

│ │ │ └── 视差图生成

│ │ └── 主要算法

│ │ ├── 匹配代价聚合

│ │ └── 视差平滑

│ └── 7.1.3 基于深度学习的端到端立体匹配

│ ├── 深度学习方法

│ │ ├── 卷积神经网络（CNN）

│ │ └── 端到端训练

│ └── 优势

│ ├── 自动特征学习

│ └── 高精度立体匹配

├── 7.2 基于运动的三维形状重建

│ ├── 7.2.1 从运动恢复结构的基本概念及流程

│ │ ├── 基本概念

│ │ │ ├── 运动恢复

│ │ │ └── 结构重建

│ │ └── 流程

│ │ ├── 运动捕捉

│ │ └── 三维重建算法

│ └── 7.2.2 深度学习在运动恢复结构中的应用

│ ├── 应用

│ │ ├── 基于视频的运动分析

│ │ └── 自动化结构重建

│ └── 方法

│ ├── 运动估计

│ └── 三维模型优化

├── 7.3 基于明暗的三维形状重建

│ ├── 7.3.1 基于明暗的三维形状重建基本原理及方法

│ │ ├── 基本原理

│ │ │ ├── 明暗变化

│ │ │ └── 形状恢复

│ │ └── 方法

│ │ ├── 反射模型

│ │ └── 明暗一致性

│ └── 7.3.2 深度学习在明暗重建形状中的应用

│ ├── 应用

│ │ ├── 复杂形状重建

│ │ └── 细节增强

│ └── 方法

│ ├── 训练数据

│ └── 网络模型优化

└── 7.4 基于先验知识的三维重建

├── 7.4.1 基于先验知识的几何形状参数化模型

│ ├── 先验知识

│ │ ├── 几何模型

│ │ └── 参数化表示

│ └── 模型

│ ├── 模型选择

│ └── 参数优化

└── 7.4.2 基于学习的参数化人脸人体重建

├── 参数化重建

│ ├── 人脸模型

│ └── 人体模型

└── 学习方法

├── 训练数据集

└── 模型调优