基于注意力机制的单视图三维重建

利用深度学习的方法进行单视图三维重建时，网络中的外部辅助结构大幅提高了其重建效果，但也增加了网络的参数量和运算量。对此，在编码器中减少卷积层数量，并设计注意力模块。在注意力模块中，利用大核注意力为图像空间信息分配不同的权重。此外，利用向量融合保持空洞卷积过程中的空间信息关系。在重建过程中，编码器通过卷积层和注意力模块交替提取图像特征后，将编码向量直接输入到解码器，在解码器中上采样并输出重建模型，实现无需外部辅助结构的重建。在ShapeNet数据集上的对比实验表明网络在较低的模型参数量和运算量下具有更好的三维重建效果。