• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于流模型的三維點(diǎn)云生成方法

    2021-11-28 10:53:41楊天宇譚臺(tái)哲王俊鍇
    電腦知識(shí)與技術(shù) 2021年30期
    關(guān)鍵詞:點(diǎn)云深度學(xué)習(xí)

    楊天宇 譚臺(tái)哲 王俊鍇

    摘要:隨著三維點(diǎn)云數(shù)據(jù)在計(jì)算機(jī)視覺任務(wù)的逐漸流行,合成或重建高分辨率、高保真點(diǎn)云的能力變得至關(guān)重要。雖然深度學(xué)習(xí)模型最近在點(diǎn)云識(shí)別和點(diǎn)云分類任務(wù)中取得了成功,但點(diǎn)云生成任務(wù)還困難重重。本文提出了一種基于流模型的點(diǎn)云生成模型,使用深度學(xué)習(xí)技術(shù)訓(xùn)練好該模型之后,只需要從簡(jiǎn)單的高斯分布隨機(jī)采樣數(shù)據(jù),然后通過(guò)我們的模型就可以產(chǎn)生全新的高質(zhì)量的點(diǎn)云形狀?;谖覀兡P蜕傻狞c(diǎn)云的質(zhì)量比大多數(shù)現(xiàn)存的模型都要好,可以為其他一些任務(wù)提供很好的先驗(yàn)點(diǎn)云,比如三維重建、點(diǎn)云補(bǔ)全任務(wù)。

    關(guān)鍵詞:點(diǎn)云;生成模型;流模型 ;深度學(xué)習(xí);先驗(yàn)點(diǎn)云

    中圖分類號(hào):TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1009-3044(2021)30-0033-04

    開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    3D Point Cloud Generation Method Based on Flow Model

    TAN Tai-zhe, YANG Tian-yu, Wang Jun-kai

    (School of computers science, Guangdong University of Technology, Guangzhou 510006, China)

    Abstract: With the gradual popularity of 3D point cloud in computer vision tasks, the ability of high-fidelity point cloud to be synthesized or reconstructed gradually. Although the deep learning model has recently proposed a stream model-based point cloud generation model in point cloud recognition and point cloud classification tasks, after training the model using deep learning technology, it only needs to randomly sample data from a simple Gaussian distribution. Then we can generate a new estimated point cloud shape through our model. The quality of the point cloud generated based on our model is better than most existing models. It can provide a good prior point cloud for some other tasks, such as 3D reconstruction, and point cloud completion tasks.

    Key words: point cloud; generative model; flow based model; deep learning; prior point cloud

    1 引言

    隨著點(diǎn)云在自動(dòng)駕駛、三維建模,考古與文物保護(hù)等任務(wù)的流行,研究點(diǎn)云成為了一種趨勢(shì)。目前點(diǎn)云分類任務(wù)和點(diǎn)云目標(biāo)檢測(cè)任務(wù)已經(jīng)取得了不錯(cuò)的成績(jī),然而,點(diǎn)云生成任務(wù)還比較少的研究。Diego等人在2019年提出了tree-GAN模型[8],運(yùn)用GAN來(lái)做點(diǎn)云生成,但是訓(xùn)練起來(lái)非常困難,不能生成指定的點(diǎn)云。P Mandikal在2019年的WACV通過(guò)編碼器-解碼器結(jié)構(gòu)的網(wǎng)絡(luò)生成稀疏的點(diǎn)云,但是其在密集點(diǎn)云的生成任務(wù)表現(xiàn)不佳。自從基于流模型的GLOW提出后,研究人員們視線再一次關(guān)注到流生成模型。來(lái)自康奈爾大學(xué)和英偉達(dá)的研究人員在2019ICCV提出了三維點(diǎn)云生成模型PointFlow,使得更多的研究人員關(guān)注到基于流模型三維點(diǎn)云的生成任務(wù)。

    2 生成模型

    所謂生成模型,就是給定訓(xùn)練數(shù)據(jù),我們要生成與該數(shù)據(jù)分布相同的新樣本。假設(shè)訓(xùn)練數(shù)據(jù)服從分布,生成樣本服從分布,生成模型的作用就是使得這兩個(gè)分布 和盡可能的相似。所以生成模型的本質(zhì)就是希望用一個(gè)我們知道的概率模型來(lái)擬合給定的訓(xùn)練樣本,即我們能夠?qū)懗鲆粋€(gè)帶參數(shù)θ的分布。深度神經(jīng)網(wǎng)絡(luò)作為萬(wàn)能的函數(shù)擬合器,卻不能夠隨意擬合一個(gè)概率分布,因?yàn)楦怕史植加小胺秦?fù)”和“歸一化”的要求。為了解決這個(gè)問(wèn)題,研究學(xué)者們提出了四種生成模型:自回歸模型、變分編碼器、對(duì)抗生成網(wǎng)絡(luò)、流模型。

    2.1 自回歸模型

    自回歸模型在PixelCNN和PixelRNN上展示了很不錯(cuò)的實(shí)驗(yàn)效果,但是由于是按照像素點(diǎn)去生成圖像導(dǎo)致計(jì)算成本高,在可并行性上受限,在處理大型數(shù)據(jù)如大型圖像或視頻是具有一定麻煩的。

    2.2 變分自編碼器(VAE)

    VAE是在自編碼器的基礎(chǔ)上讓圖像編碼的潛在向量服從高斯分布從而實(shí)現(xiàn)圖像的生成,優(yōu)化了數(shù)據(jù)對(duì)數(shù)似然的下界,VAE在圖像生成上是可并行的,但是VAE存在著生成圖像模糊的問(wèn)題。VAE的優(yōu)勢(shì)在于小樣本學(xué)習(xí),他專注于從給定集合中生成新的樣本[3]。

    2.3 生成對(duì)抗網(wǎng)絡(luò)(GAN)

    GAN拋棄具體的密度分布模型,只要樣本的特征。通過(guò)博弈來(lái)訓(xùn)練一個(gè)分布函數(shù)得到符合的很好的樣本特征。GAN在圖像生成任務(wù)中比較有優(yōu)勢(shì),在很多GAN的拓展工作中也取得了很大的提高。但是GAN生成的樣本多樣性不足以及訓(xùn)練過(guò)程不穩(wěn)定是GAN普遍存在的問(wèn)題,同時(shí)GAN沒有潛在空間編碼器,從而缺乏對(duì)數(shù)據(jù)的全面支持。

    2.4 流模型

    在使用深度學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)的時(shí)候,似然對(duì)數(shù)函數(shù)就作為損失函數(shù),而黑盒常微分方程(ODE)求解器可用于估計(jì)連續(xù)歸一化流的輸出和輸入梯度[2]。

    基于流的生成模型總結(jié)一下具有以下優(yōu)點(diǎn):

    a)精確的潛在變量推斷和對(duì)數(shù)似然評(píng)估,在VAE中編碼后只能推理出對(duì)應(yīng)于數(shù)據(jù)點(diǎn)的潛在變量的近似值。在像Glow這樣的可逆生成模型中,可以在沒有近似的情況下實(shí)現(xiàn)潛在變量的精確的推理,還可以優(yōu)化數(shù)據(jù)的精確對(duì)數(shù)似然,而不是其下限[5]。

    b)高效的推理和合成,自回歸模型如PixelCNN,也是可逆的,然而這樣的模型合成難以實(shí)現(xiàn)并行化,并且通常在并行硬件上效率低下。而基于流的生成模型如Glow和RealNVP都能有效實(shí)現(xiàn)推理與合成的并行化。

    c)自回歸模型的隱藏層有未知的邊際分布,使其執(zhí)行有效的數(shù)據(jù)操作上很困難;由于GAN沒有編碼器,所以很難表征完整的數(shù)據(jù)分布。基于流的模型能夠?qū)W習(xí)高維數(shù)據(jù)中的復(fù)雜依賴關(guān)系,并學(xué)習(xí)語(yǔ)義上有意義的潛在空間,實(shí)時(shí)生成大量合成樣本。

    3 流模型在點(diǎn)云生成的應(yīng)用

    流模型現(xiàn)在已經(jīng)很成熟的應(yīng)用在圖像生成任務(wù)上,并且效果也還不錯(cuò)比如OpenAI在2018的NeurIPS提出的GLOW模型[5]。而將流模型運(yùn)用在點(diǎn)云生成任務(wù)上的研究相對(duì)比較少。來(lái)自康奈爾大學(xué)和英偉達(dá)的研究人員在2019ICCV提出了一種基于流模型的三維點(diǎn)云生成模型PointFlow,這是流模型第一次應(yīng)用在點(diǎn)云生成任務(wù)[3]。PointFlow通過(guò)為分布的分布建模,分別建立物體形狀的分布和給定物體的點(diǎn)云的分布,以此來(lái)完成對(duì)于物體點(diǎn)云的生成任務(wù)。為了生成點(diǎn)云,作者對(duì)分布的分布進(jìn)行建模,也就是說(shuō)不僅需要為形狀分布進(jìn)行建模,同時(shí)需要對(duì)特定形狀下的點(diǎn)云進(jìn)行建模。研究人員通過(guò)先驗(yàn)分布點(diǎn)的可逆參數(shù)化變換代替了直接對(duì)點(diǎn)云分布的建模。這意味著在給定模型的情況下,首先從通用的高斯先驗(yàn)中進(jìn)行采樣,而后基于參數(shù)變換將他們移動(dòng)到與目標(biāo)形狀對(duì)應(yīng)的新位置,使得參數(shù)化的變化和變量的分布都可以利用這一模型進(jìn)行描述。更重要的是,這種模型還帶來(lái)了更強(qiáng)大的表達(dá)能力。在可以估計(jì)概率密度、提升變分下限的同時(shí),還可以避免由GANs帶來(lái)的復(fù)雜訓(xùn)練。但是PointFlow有著它的缺點(diǎn),一是訓(xùn)練時(shí)間非常久;二是對(duì)于稀疏的點(diǎn)云,生成效果不是很好。

    基于PointFlow的不足,我們提出了一種改進(jìn)的模型。我們同樣使用連續(xù)歸一化流來(lái)為給定形狀下點(diǎn)的分布進(jìn)行建模。連續(xù)歸一化流可以視為三維歐式空間中的向量場(chǎng),它可以通過(guò)對(duì)某一通用的先驗(yàn)分布進(jìn)行轉(zhuǎn)換(例如高斯分布)推導(dǎo)出點(diǎn)云的分布。連續(xù)歸一化流是一系列可逆的映射,可以將已知的初始化分布映射到更為復(fù)雜的分布上去。

    3.1 點(diǎn)云生成過(guò)程

    我們的目標(biāo)是生成點(diǎn)云,根據(jù)圖1將我們的模型網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)如圖2。首先,從高斯分布里面隨機(jī)采樣M個(gè)數(shù)據(jù)y1,y2,…,yM。每個(gè)數(shù)據(jù)表示一個(gè)點(diǎn)云,并且他們各自包含有對(duì)應(yīng)點(diǎn)云的x軸、y軸和z軸坐標(biāo)。然后將這M個(gè)點(diǎn)云通過(guò)可逆的網(wǎng)絡(luò)g,網(wǎng)絡(luò)g就會(huì)移動(dòng)這些點(diǎn)云位置,從而獲得新的點(diǎn)云。因?yàn)橥粋€(gè)類別的點(diǎn)云會(huì)有不同的形狀,比如飛機(jī)這個(gè)類別就有客機(jī),戰(zhàn)斗機(jī)等等,所以為了使我們的模型產(chǎn)生不同形狀的點(diǎn)云,我們使用一個(gè)高維度的隱變量S來(lái)控制生成點(diǎn)云的形狀。我們從高斯分布里面隨機(jī)采樣數(shù)據(jù)(采樣的數(shù)據(jù)維度和S相同),然后將采樣的數(shù)據(jù)送入可逆的網(wǎng)絡(luò)f,這樣就可以獲得一個(gè)S。接著將S送入網(wǎng)絡(luò)g就可以生成不同形狀的點(diǎn)云。

    3.2 網(wǎng)絡(luò)訓(xùn)練過(guò)程

    根據(jù)圖2可知訓(xùn)練的過(guò)程和點(diǎn)云生成的過(guò)程是逆向的。我們想要從熟知的高斯分布生成點(diǎn)云,而點(diǎn)云所處的分布非常復(fù)雜且我們還不知道表達(dá)式。這時(shí),我們借助于數(shù)據(jù)集的點(diǎn)云,從點(diǎn)云采樣數(shù)據(jù),然后逆向通過(guò)可逆網(wǎng)絡(luò)g和可逆網(wǎng)絡(luò)f,只要這樣產(chǎn)生的分布和高斯分布一樣,則可逆網(wǎng)絡(luò)g和可逆網(wǎng)絡(luò)f訓(xùn)練完成。如圖3,訓(xùn)練過(guò)程我們分成2個(gè)分支,分支1(圖2的上部分):首先把從數(shù)據(jù)集獲得的點(diǎn)云數(shù)據(jù)采樣M個(gè)點(diǎn)。將這M個(gè)點(diǎn)通過(guò)一個(gè)編碼器獲得隱變量S,然后將S喂入可逆網(wǎng)絡(luò)f-1產(chǎn)生S`,f-1訓(xùn)練目標(biāo)是使得S`和從高斯分布采樣得到的高維向量盡量接近。分支2(圖3的下部分):可逆網(wǎng)絡(luò)g-1的訓(xùn)練目標(biāo)是將之前從數(shù)據(jù)集點(diǎn)云數(shù)據(jù)采樣的M個(gè)點(diǎn)移動(dòng)到新的位置,使得他們和從高斯分布采樣的點(diǎn)的位置盡可能的接近。受到圖像分類任務(wù)的啟示,我們對(duì)從數(shù)據(jù)集點(diǎn)云數(shù)據(jù)采樣的M個(gè)點(diǎn)進(jìn)行數(shù)據(jù)增強(qiáng),具體來(lái)說(shuō)就是對(duì)每個(gè)采樣到的點(diǎn)隨機(jī)加一下噪聲擾動(dòng)。得益于流模型的可逆性帶來(lái)的似然計(jì)算,我們的網(wǎng)絡(luò)可以端到端穩(wěn)定地訓(xùn)練。訓(xùn)練結(jié)束后,我們就可以獲得編碼器、可逆網(wǎng)絡(luò)f-1和可逆網(wǎng)絡(luò)g-1的參數(shù)。

    4 實(shí)驗(yàn)

    與大多數(shù)做點(diǎn)云生成的任務(wù)一樣,我們使用ShapeNet核心數(shù)據(jù)集中的三種不同類別(飛機(jī)、椅子和汽車)進(jìn)行實(shí)驗(yàn),每個(gè)類別分別訓(xùn)練。在模型訓(xùn)練階段,我們隨機(jī)從點(diǎn)云形狀采樣2048個(gè)點(diǎn)作為訓(xùn)練樣本,使用2張2080ti GPU進(jìn)行訓(xùn)練。一共訓(xùn)練了15000個(gè)輪次。

    4.1 實(shí)驗(yàn)結(jié)果

    圖4展示了基于我們模型的點(diǎn)云生成的大致過(guò)程。最左邊是從高斯分布隨機(jī)采樣的點(diǎn)云,最右邊是我們模型最終生成的點(diǎn)云。從左往右展示了點(diǎn)云的生成過(guò)程。上面的是汽車,中間是椅子,下面的是飛機(jī)。

    圖5展示的是從我們模型生成的一些新樣本。第一行飛機(jī),第二行汽車,第三行椅子。從圖中我們知道,模型可以生成不同形狀的點(diǎn)云,比如飛機(jī)類別,可以生成客機(jī)或者戰(zhàn)斗機(jī),機(jī)翼的大小和方向也不同,尾翼形狀也各異。再看椅子類別,或是生成靠背的椅子,或是生成沙發(fā),或是不帶扶手,或是帶扶手的。椅子的凳腳也是各種樣式。

    4.2 模型評(píng)估

    我們使用由Lopez-Paz和Oquab[7]提出的1-NNA來(lái)評(píng)估我們的模型性能。1-NNA的理想分?jǐn)?shù)為50%。為了計(jì)算1-NNA,可以使用兩種不同的距離度量,倒角距離(CD)和運(yùn)土距離(EMD)來(lái)測(cè)量點(diǎn)云之間的相似度。1-NNA的生成結(jié)果如表1所示。

    從表1我們可以看出,我們的模型是全面優(yōu)于的r-GAN,在飛機(jī)和椅子類別上,也優(yōu)于PointFlow。在汽車類別中,我們略差于PointFlow,但是優(yōu)于r-GAN。

    5 結(jié)語(yǔ)

    在本文中,我們介紹了一種基于流模型的點(diǎn)云生成框架。通過(guò)實(shí)驗(yàn)證明,我們只需要使用簡(jiǎn)單的高斯分布采樣,讓樣本通過(guò)我們的模型之后就可以產(chǎn)生高質(zhì)量的樣本。我們提出的基于流模型的點(diǎn)云生成模型性能比其他的方法效果好很多,甚至逼近目前最先進(jìn)的方法。未來(lái)的工作我們考慮將我們的模型應(yīng)用在單個(gè)圖像重建點(diǎn)云。

    參考文獻(xiàn):

    [1] Chen T Q, Rubanova Y, Bettencourt J, et al. Neural ordinary differential equations. In Advances in neural information processing systems, pp. 6571–6583, 2018.

    [2] Tian Qi Chen, Yulia Rubanova, Jesse Bettencourt, and David K Duvenaud. Neural ordinary differential equations.In NeurIPS, 2018.

    [3] Yang G D,Huang X,Hao Z K,et al.PointFlow:3D point cloud generation with continuous normalizing flows[C]//2019 IEEE/CVF International Conference on Computer Vision (ICCV).October 27 - November 2,2019,Seoul,Korea (South).IEEE,2019:4540-4549.

    [4] Valsesia, Diego, Fracastoro, Giulia, Magli, Enrico. Learning Localized Generative Models for 3D Point Clouds via Graph Convolution,In ICCV019.

    [5] Kingma D P, Dhariwal P. Glow: Generative flow with invertible 1x1 convolutions. In Advances in Neural Information Processing Systems, 2018: 10215-10224.

    [6] Panos Achlioptas, Olga Diamanti, Ioannis Mitliagkas, and Leonidas Guibas. Learning representations and generative models for 3d point clouds. In ICML, 2018.

    [7] Lopez-Paz D,Oquab M.Revisiting classifier two-sample tests[EB/OL].2016:arXiv:1610.06545[stat.ML].https://arxiv.org/abs/1610.06545

    [8] Shu D,Park S W,Kwon J.3D point cloud generative adversarial network based on tree structured graph convolutions[C]//2019 IEEE/CVF International Conference on Computer Vision (ICCV).October 27 - November 2,2019,Seoul,Korea (South).IEEE,2019:3858-3867.

    【通聯(lián)編輯:唐一東】

    猜你喜歡
    點(diǎn)云深度學(xué)習(xí)
    基于三角形相似性的點(diǎn)云配準(zhǔn)算法
    軟件工程(2024年7期)2024-12-31 00:00:00
    三維激光掃描技術(shù)在公路軟弱圍巖隧道變形監(jiān)測(cè)中的應(yīng)用
    基于DNSS與點(diǎn)到平面的ICP結(jié)合的點(diǎn)云配準(zhǔn)算法
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    利用LiDAR點(diǎn)云快速進(jìn)行等高線制作
    科技資訊(2015年20期)2015-10-15 19:23:03
    久久久久久久午夜电影| 99香蕉大伊视频| 可以在线观看的亚洲视频| 国产免费av片在线观看野外av| 女人精品久久久久毛片| a级毛片在线看网站| 国产一区二区三区综合在线观看| 巨乳人妻的诱惑在线观看| 国产精品综合久久久久久久免费 | 欧美国产日韩亚洲一区| 午夜老司机福利片| 高清黄色对白视频在线免费看| 国产成人系列免费观看| 久久婷婷成人综合色麻豆| 成年版毛片免费区| 麻豆一二三区av精品| 亚洲avbb在线观看| av福利片在线| 亚洲国产欧美一区二区综合| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲国产精品久久男人天堂| 亚洲人成电影免费在线| 在线观看午夜福利视频| 叶爱在线成人免费视频播放| av视频免费观看在线观看| 亚洲精品一区av在线观看| 久久婷婷成人综合色麻豆| 国产亚洲精品久久久久久毛片| 亚洲专区字幕在线| 欧美日本视频| 久久青草综合色| 成人18禁高潮啪啪吃奶动态图| e午夜精品久久久久久久| 一本久久中文字幕| 午夜福利在线观看吧| 国产成人精品无人区| 51午夜福利影视在线观看| 黄色视频,在线免费观看| 日韩欧美免费精品| or卡值多少钱| 国产精品av久久久久免费| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲精品在线观看二区| 亚洲一区二区三区色噜噜| 精品不卡国产一区二区三区| 岛国在线观看网站| 欧美日本视频| 成人精品一区二区免费| 50天的宝宝边吃奶边哭怎么回事| 淫妇啪啪啪对白视频| 日韩欧美在线二视频| 国产激情久久老熟女| 国产亚洲欧美精品永久| 国产成人欧美在线观看| 亚洲成a人片在线一区二区| 日韩有码中文字幕| 亚洲第一欧美日韩一区二区三区| 午夜老司机福利片| 免费不卡黄色视频| 在线av久久热| 亚洲成国产人片在线观看| 非洲黑人性xxxx精品又粗又长| 一级作爱视频免费观看| 久久香蕉激情| 真人一进一出gif抽搐免费| 国产精华一区二区三区| 日韩欧美免费精品| 中国美女看黄片| a在线观看视频网站| 国产av又大| 国内精品久久久久久久电影| 欧美中文日本在线观看视频| 午夜成年电影在线免费观看| 亚洲国产精品久久男人天堂| 久久影院123| 91精品国产国语对白视频| 亚洲av成人一区二区三| 老司机在亚洲福利影院| 国产精品亚洲一级av第二区| 黄色 视频免费看| 国产精品综合久久久久久久免费 | 欧美黑人精品巨大| 亚洲激情在线av| 国产91精品成人一区二区三区| 1024香蕉在线观看| 久久精品影院6| 国产一区二区三区在线臀色熟女| 亚洲九九香蕉| 日韩av在线大香蕉| 欧美成人一区二区免费高清观看 | 日本 欧美在线| 99国产综合亚洲精品| 亚洲黑人精品在线| 免费看十八禁软件| 制服诱惑二区| 国产国语露脸激情在线看| e午夜精品久久久久久久| 日韩欧美在线二视频| 精品久久久久久成人av| 色av中文字幕| 亚洲欧洲精品一区二区精品久久久| 日韩欧美在线二视频| 日韩大尺度精品在线看网址 | 亚洲av成人av| av在线天堂中文字幕| 色播亚洲综合网| 后天国语完整版免费观看| 好男人在线观看高清免费视频 | 国产成人av教育| 女人精品久久久久毛片| 多毛熟女@视频| 高潮久久久久久久久久久不卡| 精品国产乱子伦一区二区三区| 可以在线观看毛片的网站| 国产熟女xx| 亚洲精品一卡2卡三卡4卡5卡| 国产欧美日韩一区二区三区在线| 国产av在哪里看| 日韩欧美一区二区三区在线观看| 91成年电影在线观看| 国产一区二区三区在线臀色熟女| 日韩av在线大香蕉| 一个人观看的视频www高清免费观看 | 成人18禁高潮啪啪吃奶动态图| xxx96com| 一本综合久久免费| 亚洲欧美激情在线| 精品久久久久久,| 99国产精品免费福利视频| 久久精品人人爽人人爽视色| 电影成人av| 亚洲色图 男人天堂 中文字幕| 91麻豆av在线| 我的亚洲天堂| 曰老女人黄片| 日韩免费av在线播放| 久久精品aⅴ一区二区三区四区| 成人免费观看视频高清| 国产成人影院久久av| 极品人妻少妇av视频| 欧美国产日韩亚洲一区| 国产99久久九九免费精品| 老司机深夜福利视频在线观看| 777久久人妻少妇嫩草av网站| 亚洲精品国产区一区二| 97人妻精品一区二区三区麻豆 | 成人国产综合亚洲| 在线观看www视频免费| 人人妻人人澡欧美一区二区 | www.熟女人妻精品国产| 50天的宝宝边吃奶边哭怎么回事| 99国产精品一区二区三区| 亚洲精品国产区一区二| 欧美黑人精品巨大| av在线天堂中文字幕| 国产成人精品久久二区二区91| 成年人黄色毛片网站| 欧美中文日本在线观看视频| 午夜免费鲁丝| 亚洲最大成人中文| 老汉色∧v一级毛片| 啦啦啦免费观看视频1| 亚洲人成77777在线视频| 亚洲黑人精品在线| 三级毛片av免费| av视频免费观看在线观看| 露出奶头的视频| 一级,二级,三级黄色视频| 十分钟在线观看高清视频www| 99精品在免费线老司机午夜| 欧美性长视频在线观看| 国产一区二区三区视频了| 在线永久观看黄色视频| 叶爱在线成人免费视频播放| 国产精华一区二区三区| www.精华液| 久久精品国产综合久久久| 妹子高潮喷水视频| 国产又爽黄色视频| 一个人免费在线观看的高清视频| 亚洲五月婷婷丁香| 97超级碰碰碰精品色视频在线观看| 精品第一国产精品| 一边摸一边抽搐一进一出视频| 波多野结衣高清无吗| 欧美黑人欧美精品刺激| 黑丝袜美女国产一区| 禁无遮挡网站| 精品久久蜜臀av无| 真人做人爱边吃奶动态| 久热爱精品视频在线9| 天天躁夜夜躁狠狠躁躁| 国产欧美日韩一区二区三| 国产亚洲精品久久久久5区| 国产欧美日韩一区二区精品| 最新在线观看一区二区三区| 久久国产亚洲av麻豆专区| 黑人巨大精品欧美一区二区mp4| 欧美av亚洲av综合av国产av| 亚洲精品粉嫩美女一区| 亚洲精华国产精华精| 午夜福利成人在线免费观看| 国产成人精品久久二区二区免费| 麻豆成人av在线观看| 久久国产乱子伦精品免费另类| 露出奶头的视频| 香蕉国产在线看| 人妻久久中文字幕网| 美国免费a级毛片| 好男人电影高清在线观看| 亚洲视频免费观看视频| av视频在线观看入口| 人人妻人人澡人人看| 亚洲第一电影网av| 欧美 亚洲 国产 日韩一| ponron亚洲| 欧美黄色片欧美黄色片| 免费人成视频x8x8入口观看| 国产成人欧美在线观看| 国产亚洲精品av在线| 老司机靠b影院| 精品国产美女av久久久久小说| 俄罗斯特黄特色一大片| 人人妻人人澡人人看| 亚洲 欧美一区二区三区| 亚洲三区欧美一区| 巨乳人妻的诱惑在线观看| 叶爱在线成人免费视频播放| 国产欧美日韩一区二区精品| 欧美一级a爱片免费观看看 | www.自偷自拍.com| АⅤ资源中文在线天堂| av视频在线观看入口| 国产97色在线日韩免费| 国产精品野战在线观看| 久热爱精品视频在线9| 国产蜜桃级精品一区二区三区| 久久人妻熟女aⅴ| 欧美成狂野欧美在线观看| 成人18禁高潮啪啪吃奶动态图| 成年版毛片免费区| 男女下面进入的视频免费午夜 | 国产高清视频在线播放一区| 久久中文看片网| 亚洲国产精品成人综合色| 男人操女人黄网站| 亚洲天堂国产精品一区在线| av免费在线观看网站| 欧美黑人精品巨大| 母亲3免费完整高清在线观看| 老司机福利观看| 757午夜福利合集在线观看| 美女免费视频网站| 丝袜美腿诱惑在线| 欧美日韩福利视频一区二区| 高清在线国产一区| 老熟妇乱子伦视频在线观看| 免费一级毛片在线播放高清视频 | 精品免费久久久久久久清纯| 亚洲成国产人片在线观看| 色婷婷久久久亚洲欧美| 天天躁夜夜躁狠狠躁躁| АⅤ资源中文在线天堂| 欧美日韩一级在线毛片| 亚洲中文日韩欧美视频| 国产精品久久久久久亚洲av鲁大| 国产91精品成人一区二区三区| 中亚洲国语对白在线视频| www.熟女人妻精品国产| 日韩中文字幕欧美一区二区| 国产一区在线观看成人免费| 天天添夜夜摸| 99精品久久久久人妻精品| 免费av毛片视频| 国产午夜精品久久久久久| 亚洲成av片中文字幕在线观看| 亚洲一码二码三码区别大吗| 国产单亲对白刺激| 亚洲自偷自拍图片 自拍| 日韩成人在线观看一区二区三区| 免费高清在线观看日韩| 老司机午夜十八禁免费视频| 亚洲精品av麻豆狂野| 午夜免费成人在线视频| 俄罗斯特黄特色一大片| e午夜精品久久久久久久| 美国免费a级毛片| 啦啦啦免费观看视频1| 人成视频在线观看免费观看| 可以免费在线观看a视频的电影网站| 岛国在线观看网站| 久热这里只有精品99| 久久天躁狠狠躁夜夜2o2o| av天堂久久9| 精品国产超薄肉色丝袜足j| 十八禁网站免费在线| 91国产中文字幕| 日日夜夜操网爽| 国产精品影院久久| 精品久久久久久久毛片微露脸| 国产极品粉嫩免费观看在线| 人人澡人人妻人| 亚洲国产高清在线一区二区三 | 麻豆av在线久日| 熟女少妇亚洲综合色aaa.| 成人国产综合亚洲| 久久精品aⅴ一区二区三区四区| 欧美在线一区亚洲| 9色porny在线观看| 纯流量卡能插随身wifi吗| 国产精品精品国产色婷婷| 可以免费在线观看a视频的电影网站| 美女国产高潮福利片在线看| 午夜a级毛片| 亚洲精华国产精华精| 色尼玛亚洲综合影院| 欧美日韩精品网址| 亚洲成人国产一区在线观看| 别揉我奶头~嗯~啊~动态视频| 色综合婷婷激情| 国产真人三级小视频在线观看| 免费搜索国产男女视频| 欧美大码av| 国产午夜福利久久久久久| 日韩欧美一区二区三区在线观看| 亚洲成av人片免费观看| 亚洲av片天天在线观看| 天天躁夜夜躁狠狠躁躁| 91成年电影在线观看| 桃色一区二区三区在线观看| 亚洲色图av天堂| 国产精品,欧美在线| 久久九九热精品免费| 丝袜美足系列| 国产一区在线观看成人免费| 电影成人av| 啦啦啦观看免费观看视频高清 | 大香蕉久久成人网| 国产精品电影一区二区三区| 少妇粗大呻吟视频| 国产伦人伦偷精品视频| 最新美女视频免费是黄的| 老汉色∧v一级毛片| АⅤ资源中文在线天堂| 操美女的视频在线观看| 手机成人av网站| 精品国产一区二区三区四区第35| 久久精品91无色码中文字幕| 黄色a级毛片大全视频| 日本黄色视频三级网站网址| 久久精品影院6| 女人精品久久久久毛片| 亚洲午夜精品一区,二区,三区| 久久精品国产清高在天天线| 99精品久久久久人妻精品| 无限看片的www在线观看| av视频免费观看在线观看| 香蕉国产在线看| 不卡av一区二区三区| 国产真人三级小视频在线观看| 欧美日韩亚洲综合一区二区三区_| 亚洲av成人av| 国产精品久久视频播放| 国产高清videossex| 亚洲三区欧美一区| 亚洲熟妇熟女久久| 老司机午夜福利在线观看视频| 日本黄色视频三级网站网址| 国产午夜精品久久久久久| 欧美一级毛片孕妇| 亚洲精品中文字幕在线视频| 亚洲狠狠婷婷综合久久图片| 老司机福利观看| 亚洲人成网站在线播放欧美日韩| 亚洲男人天堂网一区| 精品一区二区三区四区五区乱码| 757午夜福利合集在线观看| 岛国视频午夜一区免费看| 精品无人区乱码1区二区| 97人妻天天添夜夜摸| 长腿黑丝高跟| 国产麻豆69| 国产免费男女视频| 久久精品国产清高在天天线| 很黄的视频免费| 久热爱精品视频在线9| 国产av精品麻豆| 一卡2卡三卡四卡精品乱码亚洲| 国产99白浆流出| 久久久精品欧美日韩精品| 自拍欧美九色日韩亚洲蝌蚪91| 国产亚洲精品久久久久久毛片| 天天添夜夜摸| 国产精品永久免费网站| 免费看a级黄色片| 亚洲精品久久国产高清桃花| 亚洲中文日韩欧美视频| 精品人妻在线不人妻| 国产麻豆69| 欧美成人午夜精品| 丝袜美腿诱惑在线| 两个人看的免费小视频| 午夜福利18| 久久精品成人免费网站| 国产成人av激情在线播放| 国产成人系列免费观看| 男人操女人黄网站| 又黄又爽又免费观看的视频| 国产成年人精品一区二区| 首页视频小说图片口味搜索| 精品国产超薄肉色丝袜足j| 午夜亚洲福利在线播放| 黄片播放在线免费| 波多野结衣高清无吗| 日日干狠狠操夜夜爽| 久久热在线av| 国产野战对白在线观看| 国产色视频综合| 日韩国内少妇激情av| 日韩欧美一区二区三区在线观看| 精品一区二区三区四区五区乱码| 在线观看66精品国产| 国产精品av久久久久免费| 狂野欧美激情性xxxx| 国产精品国产高清国产av| 午夜福利,免费看| 久久久国产成人精品二区| 麻豆久久精品国产亚洲av| 亚洲精品中文字幕一二三四区| 一级毛片精品| 丰满的人妻完整版| 自拍欧美九色日韩亚洲蝌蚪91| 嫩草影视91久久| 香蕉国产在线看| 国语自产精品视频在线第100页| 日韩欧美一区二区三区在线观看| 国产精品秋霞免费鲁丝片| 久久精品91蜜桃| 69av精品久久久久久| 国产成+人综合+亚洲专区| 十八禁网站免费在线| 欧美大码av| 国产精品香港三级国产av潘金莲| 禁无遮挡网站| 777久久人妻少妇嫩草av网站| 黑丝袜美女国产一区| 国产精品一区二区免费欧美| 一区福利在线观看| 在线观看免费午夜福利视频| 在线观看66精品国产| 亚洲av电影在线进入| 国产在线精品亚洲第一网站| 久久国产乱子伦精品免费另类| 在线观看日韩欧美| 成年版毛片免费区| 精品久久久久久久毛片微露脸| 精品第一国产精品| 婷婷六月久久综合丁香| 可以免费在线观看a视频的电影网站| 国内毛片毛片毛片毛片毛片| 99riav亚洲国产免费| 中文字幕精品免费在线观看视频| 久久久久久国产a免费观看| 国产成人av激情在线播放| 他把我摸到了高潮在线观看| 成熟少妇高潮喷水视频| 男女午夜视频在线观看| 日韩有码中文字幕| 麻豆久久精品国产亚洲av| 亚洲精华国产精华精| 国产免费男女视频| 欧美日韩中文字幕国产精品一区二区三区 | 老鸭窝网址在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 色综合欧美亚洲国产小说| 日本五十路高清| 男人操女人黄网站| 亚洲中文字幕日韩| 久久久久国内视频| 欧美日韩精品网址| 日日干狠狠操夜夜爽| 热re99久久国产66热| 欧美老熟妇乱子伦牲交| 亚洲第一电影网av| 男人舔女人下体高潮全视频| 女人被狂操c到高潮| 午夜免费成人在线视频| 99久久国产精品久久久| 日韩中文字幕欧美一区二区| 少妇裸体淫交视频免费看高清 | 亚洲全国av大片| 如日韩欧美国产精品一区二区三区| 少妇 在线观看| 电影成人av| 亚洲国产精品合色在线| av在线天堂中文字幕| 91九色精品人成在线观看| 久久精品人人爽人人爽视色| 国产激情欧美一区二区| 人人妻人人爽人人添夜夜欢视频| 级片在线观看| 日韩欧美一区视频在线观看| 国产精品美女特级片免费视频播放器 | 国产成人免费无遮挡视频| 国产欧美日韩精品亚洲av| 国产aⅴ精品一区二区三区波| 国产av一区二区精品久久| 亚洲男人的天堂狠狠| 国产一区在线观看成人免费| 最新在线观看一区二区三区| 午夜影院日韩av| 操美女的视频在线观看| 亚洲精品一区av在线观看| 无人区码免费观看不卡| 97碰自拍视频| 欧美日韩福利视频一区二区| 国产高清视频在线播放一区| 欧美色视频一区免费| 激情视频va一区二区三区| 18美女黄网站色大片免费观看| 女性被躁到高潮视频| 51午夜福利影视在线观看| 搞女人的毛片| 午夜亚洲福利在线播放| 中文字幕精品免费在线观看视频| 亚洲九九香蕉| 韩国av一区二区三区四区| 久久久精品欧美日韩精品| 亚洲国产欧美网| or卡值多少钱| 91九色精品人成在线观看| 黑丝袜美女国产一区| 咕卡用的链子| 国产精品自产拍在线观看55亚洲| 亚洲国产日韩欧美精品在线观看 | 成人国产综合亚洲| 亚洲国产精品成人综合色| 美女国产高潮福利片在线看| 久久亚洲真实| 97人妻天天添夜夜摸| av超薄肉色丝袜交足视频| 一级黄色大片毛片| www.www免费av| 亚洲电影在线观看av| 久久性视频一级片| 国产99白浆流出| 可以在线观看的亚洲视频| 自线自在国产av| 夜夜夜夜夜久久久久| 亚洲少妇的诱惑av| 成年女人毛片免费观看观看9| 一级a爱片免费观看的视频| bbb黄色大片| 久久人人97超碰香蕉20202| 久久这里只有精品19| 乱人伦中国视频| 日本撒尿小便嘘嘘汇集6| 男女午夜视频在线观看| 桃色一区二区三区在线观看| 日韩成人在线观看一区二区三区| 老司机午夜福利在线观看视频| 国产又色又爽无遮挡免费看| www.精华液| 丰满的人妻完整版| 亚洲情色 制服丝袜| 亚洲成av片中文字幕在线观看| 国产精品电影一区二区三区| 亚洲av电影在线进入| 亚洲一区二区三区不卡视频| 久久人妻熟女aⅴ| 美女国产高潮福利片在线看| a级毛片在线看网站| 久久香蕉精品热| 一级作爱视频免费观看| 男人舔女人的私密视频| 老司机午夜十八禁免费视频| 亚洲国产精品999在线| 免费久久久久久久精品成人欧美视频| 一区二区日韩欧美中文字幕| 免费久久久久久久精品成人欧美视频| 欧美黑人精品巨大| 亚洲天堂国产精品一区在线| 亚洲男人天堂网一区| 脱女人内裤的视频| 久久久久久大精品| 国产伦一二天堂av在线观看| 精品久久久久久久毛片微露脸| 老司机深夜福利视频在线观看| 久久精品国产亚洲av高清一级| 9热在线视频观看99| 国产成人影院久久av| 国产一区二区三区视频了| 如日韩欧美国产精品一区二区三区| 亚洲精品在线美女| 美女 人体艺术 gogo| 国产成人系列免费观看| 欧美日韩亚洲国产一区二区在线观看| 少妇被粗大的猛进出69影院| 人人澡人人妻人| www.999成人在线观看| 窝窝影院91人妻| 极品教师在线免费播放| 亚洲av五月六月丁香网| 免费看十八禁软件| 黄色 视频免费看| aaaaa片日本免费| 美女午夜性视频免费| 最近最新中文字幕大全电影3 | 国产精品久久久久久亚洲av鲁大| 欧美一级毛片孕妇| 18禁国产床啪视频网站| 国产成人精品久久二区二区免费| 搡老妇女老女人老熟妇| 黑人巨大精品欧美一区二区mp4| av福利片在线|