第23卷第1期2023年3月南京师范大学学报(工程技术版)JOUＲNALOFNANJINGNOＲMALUNIVEＲSITY(ENGINEEＲINGANDTECHNOLOGYEDITION)Vol.23No.1Mar，2023收稿日期:2022－09－15．基金项目:江苏省研究生实践创新计划项目(SJCX22－1676)．通讯作者:胡荣林，博士，副教授，研究方向:人机交互技术．E-mail:huronglin@hyit．edu．cndoi:10．3969/j．issn．1672－1292．2023．01．007基于胶囊卷积网络的多视图三维重建胡荣林，付浩志，何旭琴，张新新，陆文豪(淮阴工学院计算机与软件工程学院，江苏淮安223003)［摘要］从深度神经网络对重建效果影响的角度，提出了基于胶囊卷积网络的多视图三维重建模型Caps-MVSNet，包括特征提取、构建代价体、代价体正则化、回归深度图和细化深度图5个阶段．提出了FENet-T特征提取网络和3D-CapsCNN网络，并分别应用于模型的特征提取阶段和代价体正则化阶段．其中，FENet-T利用高效的Block计数比率以及大尺度空洞卷积和分组卷积提高网络的特征提取效率．3D-CapsCNN使用比卷积神经网络更强空间表示能力的3D胶囊网络来正则化代价体．Caps-MVSNet在DTU数据集上完成了效果测试，结果表明，与先前主流重建方法相比该模型在完整性上达到了最优结果，在准确性、整体性上均取得较大提升．另外，与基准模型MVSNet相比，该模型在准确性、整体性和完整性上分别提高3．3%、4．9%和8．2%，参数量减少3．3%．［关键词］特征提取网络，3D胶囊网络，空洞卷积，分组卷积，多视立体匹配［中图分类号］TP391［文献标志码］A［文章编号］1672－1292(2023)01－0046－10Multi-View3DＲeconstructionBasedonCapsuleConvolutionNetworkHuＲonglin，FuHaozhi，HeXuqin，ZhangXinxin，LuWenhao(FacultyofComputerandSoftwareEngineering，HuaiyinInstituteofTechnology，Huai’an223003，China)Abstract:Byexploringtheinfluenceofdeepneuralnetworksonthereconstructioneffect，thepaperproposesamulti-view3DreconstructionmodelCaps-MVSNetbasedonacapsuleconvolutionalnetwork．Caps-MVSNetincludesfivestages:featureextraction，constructioncostvolume，costvolumeregularization，regressiondepthmapandrefinementdepthmap．ThispaperfocusesontheFENet-Tfeatureextractionnetworkandthe3D-CapsCNNnetwork，whichareusedforthefeatureextractionstageandthecostvolumeregularizationstageofthemodel，respectively．Amongwhich，FENet-Tusesaneffi...
