轻量不减精度
结合深度可分离卷积与多尺度表征,参数量远小于传统3D变形拟合模型,同时引入残差注意力与感知损失,保证高保真纹理重建,对姿态与遮挡更稳健。
王悦 · 赵小虎 · 王越
Sensors 2023
采用深度可分离卷积和多尺度表征拟合参数,大幅降低计算负担,实现高效推理。
训练时引入残差注意力模块,增强网络对重要特征的关注,从而保证高保真纹理重建质量。
新设计的感知损失函数改进了平滑约束和图像相似性,使重建结果更自然。
实验表明该方法对姿态和遮挡等影响因素更具鲁棒性。