数据集的生成方法、装置、设备及存储介质与流程

本技术涉及三维模型建模领域，特别涉及一种数据集的生成方法、装置、设备及存储介质。

背景技术：

1、通过使用成对的无噪声三维网格和带噪声三维网格作为训练数据，能够对网格降噪模型进行训练，从而实现使用网格降噪模型对三维网格进行降噪。

2、对于上述训练数据集的获取，通常采用人工处理的方式。例如可获取已有模型的模型数据，该模型由无噪声三维网格构成。之后使用三维打印的方式将该模型进行打印，再使用三维扫描仪来扫描打印的模型，从而得到有噪声三维网格。通过上述方式即可获取无噪声三维网格和其对应的有噪声三维网格，以此可构建训练数据集。

3、通过上述方式来构建用于训练网格降噪模型的数据集，需要进行大量的模型打印和三维扫描工作，消耗的人力物力资源较多。

技术实现思路

1、本技术提供了一种数据集的生成方法、装置、设备及存储介质，可以降低生成数据集的成本。所述技术方案如下：

2、根据本技术的一方面，提供了一种数据集的生成方法，所述方法包括：

3、获取第一三维网格，所述第一三维网格是无噪声三维网格；

4、通过噪声生成模型根据所述第一三维网格生成所述第一三维网格对应的第二三维网格，所述第二三维网格携带有所述噪声生成模型对应的噪声特征下的噪声，所述噪声生成模型用于生成所述第一三维网格在所述噪声特征下的顶点位置变化以得到所述第二三维网格；

5、根据所述第一三维网格以及所述第一三维网格对应的第二三维网格生成所述数据集；

6、其中，所述数据集用于训练网格降噪模型，所述网格降噪模型用于对所述噪声特征下的噪声进行降噪。

7、根据本技术的另一方面，提供了一种数据集的生成装置，所述装置包括：

8、获取模块，用于获取第一三维网格，所述第一三维网格是无噪声三维网格；

9、第一生成模块，用于通过噪声生成模型根据所述第一三维网格生成所述第一三维网格对应的第二三维网格，所述第二三维网格携带有所述噪声生成模型对应的噪声特征下的噪声，所述噪声生成模型用于生成所述第一三维网格在所述噪声特征下的顶点位置变化以得到所述第二三维网格；

10、第二生成模块，用于根据所述第一三维网格以及所述第一三维网格对应的第二三维网格生成所述数据集；

11、其中，所述数据集用于训练网格降噪模型，所述网格降噪模型用于对所述噪声特征下的噪声进行降噪。

12、在一个可选的设计中，所述噪声生成模型包括生成网络，所述生成网络用于生成所述第一三维网格在所述噪声特征下的顶点位置变化；所述第一生成模块，用于：

13、通过所述生成网络根据所述第一三维网格生成所述第一三维网格对应的噪声顶点图，所述噪声顶点图用于反映所述第二三维网格与所述第一三维网格中相对应的顶点在所述噪声特征下沿法线的偏离距离；

14、根据所述第一三维网格以及所述噪声顶点图生成所述第二三维网格。

15、在一个可选的设计中，所述第一生成模块，用于：

16、获取所述第一三维网格的顶点连接关系，所述顶点连接关系用于反映所述第一三维网格中的顶点的相对位置；

17、通过所述生成网络根据所述第一三维网格的顶点连接关系生成所述噪声顶点图。

18、在一个可选的设计中，所述第一生成模块，用于：

19、基于所述第一三维网格中的顶点将所述第一三维网格划分为多个子网格；

20、对所述多个子网格中的第i个子网格进行采样，得到所述第i个子网格的顶点索引图，所述顶点索引图用于对所述第i个子网格中的像素按照序号索引至对应的顶点，i为正整数；

21、所述生成网络包括卷积神经网络；所述第一生成模块，用于：

22、通过所述卷积神经网络根据所述第i个子网格的顶点索引图，生成所述第i个子网格对应的噪声顶点图。

23、在一个可选的设计中，所述第一生成模块，用于：

24、针对所述第i个子网格中的顶点加入第一随机噪声；

25、通过所述卷积神经网络根据所述第i个子网格的顶点索引图以及所述第一随机噪声，生成所述第i个子网格对应的噪声顶点图；

26、其中，所述第一随机噪声用于指示所述第i个子网格中的顶点的随机偏移距离，所述顶点索引图用于指示所述第一随机噪声与所述第i个子网格中的顶点的对应关系。

27、在一个可选的设计中，所述卷积神经网络包括旋转等变卷积层；所述第一生成模块，用于：

28、将所述第i个子网格的顶点索引图输入所述卷积神经网络，通过所述旋转等变卷积层对输入特征进行旋转等变卷积，得到所述第i个子网格对应的噪声顶点图。

29、在一个可选的设计中，所述第一生成模块，用于：

30、在所述卷积神经网络的特征通道中加入第二随机噪声；

31、其中，所述第二随机噪声为随机数字。

32、在一个可选的设计中，所述第一生成模块，用于：

33、将所述第一三维网格中的顶点按照所述第一三维网格中的顶点在所述噪声顶点图中对应的偏移距离进行位移处理，得到所述第二三维网格。

34、在一个可选的设计中，所述第一生成模块，用于：

35、对所述第一三维网格进行平滑化处理，所述平滑化处理用于平滑所述第一三维网格中的面。

36、在一个可选的设计中，所述噪声生成模型还包括判别网络，所述判别网络与所述生成网络级联组成生成对抗网络；所述装置还包括：

37、所述获取模块，用于获取第一样本三维网格、第二样本三维网格以及第三样本三维网格，所述第一样本三维网格是无噪声三维网格，所述第二样本三维网格具有所述噪声特征下的噪声，所述第三样本三维网格是所述第二样本三维网格对应的无噪声三维网格；

38、所述第一生成模块，用于通过所述生成网络根据所述第一样本三维网格生成样本噪声顶点图；确定模块，用于根据所述第二样本三维网格以及所述第三样本三维网格确定真实噪声顶点图；

39、输入模块，用于将所述样本噪声顶点图输入所述判别网络，得到所述样本噪声顶点图的第一预测来源；将所述真实噪声顶点图输入所述判别网络，得到所述真实噪声顶点图的第二预测来源；

40、训练模块，用于根据所述第一预测来源以及所述第二预测来源确定所述生成对抗网络的对抗损失，并通过所述对抗损失训练所述噪声生成模型。

41、在一个可选的设计中，所述获取模块，用于：

42、将所述第二样本三维网格输入预训练的网格降噪模型，得到所述第三样本三维网格。

43、根据本技术的另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现如上方面所述的数据集的生成方法。

44、根据本技术的另一方面，提供了一种计算机可读存储介质，所述可读存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现如上方面所述的数据集的生成方法。

45、根据本技术的另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述方面的各种可选实现方式中提供的数据集的生成方法。

46、本技术提供的技术方案带来的有益效果至少包括：

47、通过噪声生成模型可实现根据第一三维网格生成增加了模型学习到的噪声特征下的噪声的第二三维网格。基于无噪声的第一三维网格和其对应的有噪声的第二三维网格即可生成用于训练网格降噪模型的数据集。在生成数据集的过程中，可以无需进行三维模型的打印和扫描，因此能够减少人力物力资源的消耗，降低了生成数据集的成本，提升了生成数据集的效率。