本申請公開了一種應用于人工智能領域的局部描述子生成方法，本申請包括獲取待處理模型中每個局部頂點所對應的小波能量，得到M個小波能量；根據M個小波能量確定M個小波能量貢獻值；根據M個小波能量貢獻值確定M個能量特征向量；基于M個能量特征向量，通過圖卷積神經網絡獲取待處理模型所對應的M個局部描述子。本申請還公開了一種模型生成的方法及裝置，本申請可利用圖卷積神經網絡直接獲取局部描述子，無需使用后處理的手段，很大程度上減少后處理的時間，提升生成局部描述子的效率。

技術領域

本申請涉及計算機視覺技術領域，尤其涉及一種局部描述子的生成方法、模型生成的方法及裝置。

背景技術

隨著三維掃描設備和計算機視覺重建技術的發展，獲取詳細的三維形狀變得越來越容易。相較于圖像，三維形狀表達的信息更為豐富，目前廣泛應用于許多應用，包括機器人、醫療、影視和計算機輔助設計等等領域。而這些應用避免不了對三維形狀的分析，比如三維形狀匹配，形狀部件分割或者形狀檢索識別等。

三維形狀的局部描述子是分析三維形狀的基石，目前，已有一種局部描述子的生成方法，即先對表面三角網絡模型中的每個頂點,在頻域中提取三維形狀局部點(LocalPoint Signature，LPS)特征，再基于LPS特征獲取三維形狀的每個頂點對應的頂點頻域圖像(Vertex Spectral Image，VSI)，最后得到通過神經網絡得到局部描述子。

然而，在上述方法中，基于LPS特征和VSI需要計算局部測地距離，并且還需要使用函數圖(Functional Maps)、迭代最近點(Iterative Closest Point)或者誤匹配篩檢等后處理的方法，導致生成局部描述子的效率低下。

發明內容

本申請實施例提供了一種局部描述子的生成方法、模型生成的方法及裝置，可利用圖卷積神經網絡直接獲取局部描述子，無需使用后處理的手段，很大程度上減少后處理的時間，提升生成局部描述子的效率。

有鑒于此，本申請一方面提供一種局部描述子的生成方法，包括：

獲取待處理模型中每個局部頂點所對應的小波能量，得到M個小波能量，其中，待處理模型包括M個局部頂點，且局部頂點與小波能量具有一一對應的關系，M為大于或等于1的整數；

根據M個小波能量確定M個小波能量貢獻值，其中，小波能量貢獻值表示局部頂點針對待處理模型在第一尺度上的貢獻，小波能量貢獻值與局部頂點具有一一對應的關系；

根據M個小波能量貢獻值確定M個能量特征向量，其中，能量特征向量與局部頂點具有一一對應的關系；

基于M個能量特征向量，通過圖卷積神經網絡獲取待處理模型所對應的M個局部描述子，其中，局部描述子與局部頂點具有一一對應的關系。

本申請另一方面提供一種模型生成的方法，包括：

獲取第一對象所對應的待處理模型中每個局部頂點的小波能量，得到M個小波能量，其中，待處理模型包括M個局部頂點，局部頂點與小波能量具有一一對應的關系，M為大于或等于1的整數；

根據M個小波能量確定M個小波能量貢獻值，其中，小波能量貢獻值表示局部頂點針對待處理模型在第一尺度上的貢獻，小波能量貢獻值與局部頂點具有一一對應的關系；根據M個小波能量貢獻值確定M個能量特征向量，其中，能量特征向量與局部頂點具有一一對應的關系；

基于M個能量特征向量，通過圖卷積神經網絡獲取待處理模型所對應的M個局部描述子，其中，局部描述子與局部頂點具有一一對應的關系；

根據待處理模型所對應的M個局部頂點以及M個局部描述子，生成第二對象所對應的目標模型。

本申請另一方面提供一種局部描述子生成裝置，包括：