• <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
    国产午夜精品一二区理论片| 少妇人妻一区二区三区视频| 一级毛片久久久久久久久女| 日本黄色片子视频| 国产精品人妻久久久久久| 天堂中文最新版在线下载| 美女主播在线视频| 国产高清有码在线观看视频| 亚洲国产欧美日韩在线播放 | 亚洲av成人精品一二三区| 国产综合精华液| 精品人妻熟女av久视频| 午夜免费观看性视频| 国产免费福利视频在线观看| 精品久久久久久久久av| 亚洲欧美中文字幕日韩二区| 80岁老熟妇乱子伦牲交| 国产精品一区二区在线观看99| 久久久久久久久久人人人人人人| 国产黄频视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 免费观看性生交大片5| 国产亚洲一区二区精品| 亚洲欧美日韩东京热| 久久99蜜桃精品久久| 国产视频首页在线观看| 国产视频内射| 日日摸夜夜添夜夜添av毛片| 少妇人妻一区二区三区视频| 国产精品久久久久久av不卡| 久久精品国产a三级三级三级| 国产欧美亚洲国产| 99久久精品热视频| 国产在视频线精品| 99热这里只有精品一区| 黑丝袜美女国产一区| 亚洲欧美成人综合另类久久久| 一区二区三区四区激情视频| av线在线观看网站| 人体艺术视频欧美日本| 我的女老师完整版在线观看| 日本欧美国产在线视频| 中文字幕久久专区| 日韩一本色道免费dvd| 精品久久久久久久久av| 国产日韩欧美视频二区| 伦精品一区二区三区| 国产极品天堂在线| 最近中文字幕高清免费大全6| 久久精品久久久久久久性| 18+在线观看网站| 亚洲精品自拍成人| 人人澡人人妻人| 久久精品久久久久久久性| 亚洲性久久影院| 自拍偷自拍亚洲精品老妇| 青春草亚洲视频在线观看| 久久精品国产亚洲网站| 精品少妇黑人巨大在线播放| 久久久久精品久久久久真实原创| 成人无遮挡网站| 久久精品国产鲁丝片午夜精品| 纵有疾风起免费观看全集完整版| 亚洲精品乱久久久久久| 麻豆成人午夜福利视频| 久久久欧美国产精品| 美女大奶头黄色视频| 有码 亚洲区| 日韩 亚洲 欧美在线| 久久久精品免费免费高清| 成人毛片a级毛片在线播放| 大片电影免费在线观看免费| 秋霞在线观看毛片| 黄色一级大片看看| 亚洲一级一片aⅴ在线观看| 国语对白做爰xxxⅹ性视频网站| 精品人妻一区二区三区麻豆| 亚洲国产精品一区二区三区在线| 成人影院久久| a级毛色黄片| 国产成人一区二区在线| 精品国产一区二区久久| 国产精品久久久久成人av| 久久久国产欧美日韩av| 男的添女的下面高潮视频| 成人特级av手机在线观看| 少妇熟女欧美另类| 九草在线视频观看| 久久久久视频综合| 欧美日韩av久久| av视频免费观看在线观看| 天天躁夜夜躁狠狠久久av| 国产男女内射视频| 麻豆精品久久久久久蜜桃| 久久av网站| 欧美日韩在线观看h| 校园人妻丝袜中文字幕| 精品亚洲乱码少妇综合久久| 插逼视频在线观看| 欧美国产精品一级二级三级 | 欧美日韩精品成人综合77777| 天美传媒精品一区二区| 亚洲精品一区蜜桃| 亚洲av欧美aⅴ国产| 免费久久久久久久精品成人欧美视频 | 极品少妇高潮喷水抽搐| 亚洲av欧美aⅴ国产| 成人影院久久| 久久久久久久久久久丰满| 你懂的网址亚洲精品在线观看| 亚州av有码| 国产老妇伦熟女老妇高清| 亚洲丝袜综合中文字幕| 国产午夜精品久久久久久一区二区三区| 久久人人爽av亚洲精品天堂| 内地一区二区视频在线| 高清黄色对白视频在线免费看 | 免费大片黄手机在线观看| 日韩不卡一区二区三区视频在线| 春色校园在线视频观看| 日韩电影二区| 少妇人妻一区二区三区视频| 欧美 亚洲 国产 日韩一| 青春草视频在线免费观看| 男人舔奶头视频| 青青草视频在线视频观看| 中文字幕亚洲精品专区| 国产女主播在线喷水免费视频网站| 日韩强制内射视频| 亚洲不卡免费看| 熟女电影av网| 激情五月婷婷亚洲| 国产深夜福利视频在线观看| av网站免费在线观看视频| 久久久久人妻精品一区果冻| 高清在线视频一区二区三区| 欧美日韩一区二区视频在线观看视频在线| av天堂久久9| 久热久热在线精品观看| 成年美女黄网站色视频大全免费 | 亚洲精品成人av观看孕妇| 欧美人与善性xxx| 国内揄拍国产精品人妻在线| 简卡轻食公司| 亚洲欧美日韩东京热| 日日撸夜夜添| a级毛色黄片| 女人久久www免费人成看片| 免费不卡的大黄色大毛片视频在线观看| 人妻少妇偷人精品九色| 国产欧美亚洲国产| 夫妻午夜视频| 亚洲精品国产av蜜桃| 熟女电影av网| 成人漫画全彩无遮挡| 久久久久久久大尺度免费视频| 国产男女超爽视频在线观看| 99热网站在线观看| 国产精品熟女久久久久浪| 午夜免费男女啪啪视频观看| 亚洲国产精品专区欧美| 久久人人爽人人片av| 看免费成人av毛片| 亚洲欧洲日产国产| 亚洲不卡免费看| 男女免费视频国产| 日本爱情动作片www.在线观看| 极品少妇高潮喷水抽搐| 亚洲激情五月婷婷啪啪| 国产免费一区二区三区四区乱码| 在线播放无遮挡| 亚洲欧洲国产日韩| 亚洲精品第二区| 成年人免费黄色播放视频 | 欧美成人精品欧美一级黄| 99视频精品全部免费 在线| 国产男女内射视频| 97在线人人人人妻| 亚洲美女黄色视频免费看| 好男人视频免费观看在线| 国产欧美日韩精品一区二区| 亚洲美女视频黄频| 三级国产精品片| 黄色日韩在线| 成人18禁高潮啪啪吃奶动态图 | 99热这里只有是精品50| 久久精品国产自在天天线| 国内精品宾馆在线| 国产黄片美女视频| 青青草视频在线视频观看| 新久久久久国产一级毛片| 日韩av不卡免费在线播放| 少妇猛男粗大的猛烈进出视频| 美女中出高潮动态图| 午夜av观看不卡| 插阴视频在线观看视频| 亚洲国产日韩一区二区| 一级毛片电影观看| 又黄又爽又刺激的免费视频.| 久久99精品国语久久久| 亚洲国产色片| av福利片在线观看| 午夜免费鲁丝| 国产伦精品一区二区三区四那| 最新中文字幕久久久久| 麻豆乱淫一区二区| 一级毛片黄色毛片免费观看视频| 久久97久久精品| 大又大粗又爽又黄少妇毛片口| 亚洲精品日韩av片在线观看| 狂野欧美白嫩少妇大欣赏| 岛国毛片在线播放| 成人漫画全彩无遮挡| 免费黄频网站在线观看国产| 最黄视频免费看| 国产精品久久久久久精品电影小说| 国产探花极品一区二区| 97在线视频观看| 蜜桃久久精品国产亚洲av| 国内少妇人妻偷人精品xxx网站| 久久97久久精品| 精品视频人人做人人爽| 最黄视频免费看| av女优亚洲男人天堂| 午夜福利,免费看| 桃花免费在线播放| 99热这里只有精品一区| 亚洲电影在线观看av| 成人漫画全彩无遮挡| av在线老鸭窝| 日韩不卡一区二区三区视频在线| 国产精品伦人一区二区| 91午夜精品亚洲一区二区三区| 一区二区三区免费毛片| 午夜福利,免费看| 亚洲国产欧美在线一区| 又爽又黄a免费视频| 日韩一本色道免费dvd| 91精品伊人久久大香线蕉| 国产一区有黄有色的免费视频| 黄片无遮挡物在线观看| 国产精品嫩草影院av在线观看| 免费看光身美女| 国产国拍精品亚洲av在线观看| 免费黄网站久久成人精品| 婷婷色麻豆天堂久久| 欧美日韩国产mv在线观看视频| 91精品一卡2卡3卡4卡| 久久久久久久久大av| 另类精品久久| 亚洲真实伦在线观看| 在现免费观看毛片| 黄色日韩在线| 日本爱情动作片www.在线观看| av专区在线播放| 亚洲伊人久久精品综合| 狠狠精品人妻久久久久久综合| 在线观看av片永久免费下载| 高清欧美精品videossex| 国产欧美亚洲国产| 日韩成人av中文字幕在线观看| 欧美一级a爱片免费观看看| 成人国产麻豆网| 秋霞在线观看毛片| 欧美xxⅹ黑人| 精品久久久精品久久久| 久久久国产精品麻豆| 国产高清国产精品国产三级| h视频一区二区三区| www.色视频.com| 一级av片app| 在线观看av片永久免费下载| 麻豆成人午夜福利视频| 午夜福利在线观看免费完整高清在| 久久精品久久精品一区二区三区| 熟女av电影| 777米奇影视久久| 亚洲不卡免费看| 国产一区二区三区av在线| 麻豆成人午夜福利视频| 国产成人精品久久久久久| 91精品伊人久久大香线蕉| 国产毛片在线视频| 成人漫画全彩无遮挡| 久久狼人影院| 美女国产视频在线观看| 精品亚洲乱码少妇综合久久| 精华霜和精华液先用哪个| 欧美xxxx性猛交bbbb| 欧美区成人在线视频| 亚洲精品久久午夜乱码| 中国美白少妇内射xxxbb| 国产精品免费大片| 日韩精品免费视频一区二区三区 | 日本-黄色视频高清免费观看| av在线播放精品| 熟女av电影| 多毛熟女@视频| 国产亚洲av片在线观看秒播厂| 婷婷色综合大香蕉| 一级av片app| freevideosex欧美| 免费在线观看成人毛片| 亚洲一区二区三区欧美精品| 水蜜桃什么品种好| 伊人亚洲综合成人网| 99久久精品国产国产毛片| 久久女婷五月综合色啪小说| 六月丁香七月| 色94色欧美一区二区| 亚洲精品久久午夜乱码| 国产一区二区三区综合在线观看 | 又粗又硬又长又爽又黄的视频| 久久精品国产a三级三级三级| 欧美日韩精品成人综合77777| 天堂俺去俺来也www色官网| av网站免费在线观看视频| 日韩免费高清中文字幕av| 男女无遮挡免费网站观看| 亚洲美女黄色视频免费看| 下体分泌物呈黄色| 岛国毛片在线播放| 精品久久国产蜜桃| 两个人免费观看高清视频 | 久久亚洲国产成人精品v| 亚洲内射少妇av| 国产日韩欧美在线精品| 亚洲国产欧美在线一区| 男人添女人高潮全过程视频| 国产国拍精品亚洲av在线观看| 国产高清三级在线| 99热网站在线观看| 国产色爽女视频免费观看| 搡女人真爽免费视频火全软件| 极品教师在线视频| av福利片在线| 三上悠亚av全集在线观看 | 中文在线观看免费www的网站| 哪个播放器可以免费观看大片| 日韩一区二区三区影片| 2022亚洲国产成人精品| 国产视频内射| 午夜av观看不卡| 久久精品久久久久久久性| 亚洲精品久久久久久婷婷小说| 水蜜桃什么品种好| 国产黄色免费在线视频| 性色av一级| 最新的欧美精品一区二区| 少妇人妻精品综合一区二区| 只有这里有精品99| 国产一级毛片在线| 久久国产乱子免费精品| 亚洲av不卡在线观看| 深夜a级毛片| 青春草国产在线视频| 亚洲精品久久久久久婷婷小说| 国产美女午夜福利| 汤姆久久久久久久影院中文字幕| 色视频www国产| 日韩av不卡免费在线播放| 精品人妻熟女av久视频| freevideosex欧美| 天堂俺去俺来也www色官网| 在线观看av片永久免费下载| 久久精品夜色国产| 2022亚洲国产成人精品| 国产无遮挡羞羞视频在线观看| 自拍偷自拍亚洲精品老妇| 少妇熟女欧美另类| 国产黄频视频在线观看| 国产精品一区www在线观看| 午夜福利网站1000一区二区三区| 久久久久精品性色| 2022亚洲国产成人精品| 免费看av在线观看网站| 日韩中字成人| 久久精品国产亚洲av天美| 免费播放大片免费观看视频在线观看| 高清在线视频一区二区三区| 国产精品人妻久久久影院| videos熟女内射| 国产综合精华液| 亚洲精品一二三| av天堂久久9| 色5月婷婷丁香| 视频中文字幕在线观看| 国产一区二区三区综合在线观看 | 国产亚洲午夜精品一区二区久久| 秋霞伦理黄片| 91久久精品国产一区二区三区| 97超碰精品成人国产| 一级二级三级毛片免费看| 久久av网站| 日本av手机在线免费观看| kizo精华| 日韩成人av中文字幕在线观看| 欧美日本中文国产一区发布| 卡戴珊不雅视频在线播放| 国产精品一区二区三区四区免费观看| 99久久综合免费| 99视频精品全部免费 在线| 婷婷色综合www| 欧美日韩综合久久久久久| 国产免费一区二区三区四区乱码| 日本免费在线观看一区| 国产精品久久久久久精品电影小说| 日韩人妻高清精品专区| 免费在线观看成人毛片| 美女主播在线视频| 中文在线观看免费www的网站| 97超视频在线观看视频| 日韩一区二区视频免费看| 国国产精品蜜臀av免费| 亚洲久久久国产精品| 亚洲,一卡二卡三卡| 看十八女毛片水多多多| 国产精品久久久久成人av| 亚洲国产精品一区二区三区在线| 中文字幕精品免费在线观看视频 | 免费观看的影片在线观看| 亚洲,欧美,日韩| 国国产精品蜜臀av免费| 国产伦在线观看视频一区| 人人妻人人添人人爽欧美一区卜| av有码第一页| 大香蕉97超碰在线| 欧美精品一区二区大全| 久久人人爽人人片av| 2022亚洲国产成人精品| 午夜精品国产一区二区电影| 18禁裸乳无遮挡动漫免费视频| 国产日韩欧美在线精品| 搡老乐熟女国产| 亚洲性久久影院| 国产成人免费无遮挡视频| 99视频精品全部免费 在线| av不卡在线播放| 中文天堂在线官网| 天堂俺去俺来也www色官网| 精品久久久久久久久亚洲| 亚洲精品一区蜜桃| 久久人人爽人人爽人人片va| 色5月婷婷丁香| 国产av国产精品国产| 大香蕉久久网| 久久午夜福利片| 亚洲国产日韩一区二区| 中国国产av一级| 午夜免费男女啪啪视频观看| 成人免费观看视频高清| 啦啦啦中文免费视频观看日本| 伊人久久精品亚洲午夜| 欧美日韩国产mv在线观看视频| 国产精品一区二区性色av| 韩国av在线不卡| 久久久午夜欧美精品| 国产精品久久久久久久久免| 国产精品秋霞免费鲁丝片| 欧美一级a爱片免费观看看| 亚洲欧洲精品一区二区精品久久久 | 欧美成人午夜免费资源| 亚洲熟女精品中文字幕| 丰满饥渴人妻一区二区三| 亚洲国产精品成人久久小说| 不卡视频在线观看欧美| 一级毛片电影观看| 国产亚洲av片在线观看秒播厂| 国产黄色免费在线视频| 国产精品99久久99久久久不卡 | 亚洲人成网站在线播| 69精品国产乱码久久久| 色视频www国产| 2022亚洲国产成人精品| 五月天丁香电影| 夜夜看夜夜爽夜夜摸| 老司机亚洲免费影院| a级毛片在线看网站| 国产片特级美女逼逼视频| 成年美女黄网站色视频大全免费 | 狂野欧美白嫩少妇大欣赏| 亚洲第一区二区三区不卡| 性色avwww在线观看| 国产男女超爽视频在线观看| av国产精品久久久久影院| 精品人妻熟女毛片av久久网站| 亚洲av电影在线观看一区二区三区| 国产精品人妻久久久久久| 亚洲内射少妇av| 国产欧美日韩精品一区二区| 国产亚洲91精品色在线| 久久婷婷青草| 国精品久久久久久国模美| 你懂的网址亚洲精品在线观看| 一级黄片播放器| 69精品国产乱码久久久| 观看免费一级毛片| 噜噜噜噜噜久久久久久91| 岛国毛片在线播放| 久久久久精品性色| 69精品国产乱码久久久| 夜夜爽夜夜爽视频| 久久精品久久精品一区二区三区| 久久人妻熟女aⅴ| 久久人人爽人人片av| 免费播放大片免费观看视频在线观看| 成年女人在线观看亚洲视频| 国产av国产精品国产| av.在线天堂| 色视频www国产| 一区在线观看完整版| 特大巨黑吊av在线直播| 国产极品天堂在线| 精品国产一区二区久久| 少妇熟女欧美另类| 2022亚洲国产成人精品| 午夜激情福利司机影院| 久久久午夜欧美精品| 国产视频内射| 国产极品天堂在线| 久久人人爽人人片av| 在线看a的网站| 国语对白做爰xxxⅹ性视频网站| 久久精品熟女亚洲av麻豆精品| 国产女主播在线喷水免费视频网站| 免费观看的影片在线观看| 大香蕉久久网| 18禁在线播放成人免费| 午夜免费男女啪啪视频观看| 国产亚洲91精品色在线| 亚洲精品乱码久久久v下载方式| 国产精品偷伦视频观看了| 国产精品一二三区在线看| 天堂中文最新版在线下载| 黄色毛片三级朝国网站 | 亚洲伊人久久精品综合| 久久久a久久爽久久v久久| 桃花免费在线播放| 久久精品国产a三级三级三级| 国产午夜精品久久久久久一区二区三区| 日韩 亚洲 欧美在线| 夜夜看夜夜爽夜夜摸| 人妻人人澡人人爽人人| 亚洲欧美日韩东京热| av一本久久久久| 丝袜喷水一区| 国产伦精品一区二区三区视频9| 国产一级毛片在线| 欧美日韩视频精品一区| 男人狂女人下面高潮的视频| 国产永久视频网站| 国产精品久久久久成人av| 五月开心婷婷网| 综合色丁香网| 国产精品人妻久久久久久| 亚州av有码| 中文在线观看免费www的网站| 观看av在线不卡| 婷婷色av中文字幕| 男女啪啪激烈高潮av片| 国产精品嫩草影院av在线观看| 久久久久久久久久人人人人人人| 亚洲色图综合在线观看| 91精品一卡2卡3卡4卡| 久久ye,这里只有精品| av在线app专区| 亚洲伊人久久精品综合| 特大巨黑吊av在线直播| 亚洲真实伦在线观看| 韩国av在线不卡| 在线观看免费日韩欧美大片 | 婷婷色综合www| 女人久久www免费人成看片| 18禁在线无遮挡免费观看视频| 黑丝袜美女国产一区| 最后的刺客免费高清国语| 精品酒店卫生间| 啦啦啦中文免费视频观看日本| 日韩欧美一区视频在线观看 | 丁香六月天网| 亚洲av男天堂| 熟妇人妻不卡中文字幕| 欧美精品一区二区免费开放| 另类精品久久| 只有这里有精品99| 欧美日韩亚洲高清精品| 少妇丰满av| 涩涩av久久男人的天堂| 十分钟在线观看高清视频www | 久久国产精品大桥未久av | 99视频精品全部免费 在线| 美女福利国产在线| 成人免费观看视频高清| 精品卡一卡二卡四卡免费| 寂寞人妻少妇视频99o| 熟女人妻精品中文字幕| 国产永久视频网站| 插阴视频在线观看视频| 内射极品少妇av片p| 一二三四中文在线观看免费高清| 在线播放无遮挡| 国产成人精品婷婷| 一级爰片在线观看| 国产精品欧美亚洲77777| 日韩精品免费视频一区二区三区 | 欧美丝袜亚洲另类| 精品国产乱码久久久久久小说| 欧美日韩亚洲高清精品| 久久精品国产自在天天线| 日日啪夜夜爽| 久久久久久久久大av| 国产色爽女视频免费观看| 一级a做视频免费观看| 99久久精品一区二区三区| 一级二级三级毛片免费看|