• <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 ?

    基于平面補(bǔ)丁的自適應(yīng)八叉樹三維圖像重建

    2022-06-01 14:53:16馬彩文
    光學(xué)精密工程 2022年9期
    關(guān)鍵詞:八叉樹倒角解碼器

    姚 程,馬彩文

    (1.中國科學(xué)院 西安光學(xué)精密機(jī)械研究所,陜西 西安 710119;2.中國科學(xué)院大學(xué),北京 100049)

    1 引言

    三維圖像重建是計(jì)算機(jī)視覺領(lǐng)域一個(gè)熱門的研究方向。傳統(tǒng)方法處理復(fù)雜形狀的能力非常有限,需要花費(fèi)大量時(shí)間和經(jīng)歷才能獲得可接受的重建結(jié)果。隨著三維數(shù)據(jù)規(guī)模的快速增長,借助機(jī)器學(xué)習(xí)的方法從大型三維數(shù)據(jù)集中學(xué)習(xí)形狀空間,并通過學(xué)習(xí)到的特征進(jìn)行三維圖像重建已經(jīng)成為一種發(fā)展趨勢[1-4]。

    基于機(jī)器學(xué)習(xí)的三維重建中,三維形狀的表示是一個(gè)關(guān)鍵問題,它直接影響到學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)和生成三維圖像的質(zhì)量。目前,最常用的三維重建框架有稀疏體素表示,這種表示方式是基于二維圖像的擴(kuò)展,非常適合現(xiàn)有的深度學(xué)習(xí)框架[5-7]。然而,它存在數(shù)據(jù)存儲量大、計(jì)算成本高的缺點(diǎn),而且無法獲得高分辨率圖像。隨著PointNet 的發(fā)展,三維點(diǎn)云表示成為用于形狀分析和生成的表示形式[8]。但是,其輸出質(zhì)量受點(diǎn)數(shù)限制,并且從點(diǎn)云中提取高質(zhì)量曲面需要額外的處理。作為計(jì)算機(jī)圖形學(xué)中最常用的三維格式,多邊形網(wǎng)格最近已用于基于學(xué)習(xí)的形狀生成中,該方法可以通過使模板網(wǎng)格變形或找到2D 到3D 映射的神經(jīng)網(wǎng)絡(luò)直接預(yù)測表面補(bǔ)丁或網(wǎng)格[9-11]。但是,預(yù)定義的網(wǎng)格拓?fù)浜湍0寰W(wǎng)格的規(guī)則鑲嵌生成的形狀質(zhì)量不高,尤其是對于不規(guī)則和復(fù)雜的形狀[12]。

    綜上所述,在體素化一個(gè)三維空間中的模型時(shí),需要對每一個(gè)存儲信息的點(diǎn)求梯度,在計(jì)算過程中發(fā)現(xiàn)梯度不為0 的地方只存在于表面。因此,利用O-CNN 將計(jì)算限制在模型表面,但是重建出來的形體表面不夠平滑。本文提出了一種基于自適應(yīng)八叉樹的卷積神經(jīng)網(wǎng)絡(luò)(Octree Convolutional Neural Network,CNN)。自適應(yīng)O-CNN 基于一種以補(bǔ)丁為導(dǎo)向的自適應(yīng)八叉樹形狀表示形式,該形式根據(jù)估計(jì)的簡單補(bǔ)丁的近似誤差,將體素自適應(yīng)地拆分為八叉樹所包含的局部形狀。自適應(yīng)O-CNN 的解碼器可預(yù)測八叉樹節(jié)點(diǎn)的占用概率,推導(dǎo)每個(gè)級別上每個(gè)非空八叉樹節(jié)點(diǎn)的局部補(bǔ)丁,并分割其標(biāo)簽表面差的近似八叉樹節(jié)點(diǎn)。它產(chǎn)生了一個(gè)自適應(yīng)八叉樹,在非空八叉樹節(jié)點(diǎn)上的估計(jì)局部補(bǔ)丁是預(yù)測形狀的多尺度自適應(yīng)表示。除解碼器外,還開發(fā)了一種用于自適應(yīng)八叉樹的高效3D 編碼器,用于形狀分類和3D 自動(dòng)編碼。

    與現(xiàn)有的基于八叉樹的CNN 相比,自適應(yīng)O-CNN 繼承了基于八叉樹的CNN 的優(yōu)勢,同時(shí)將數(shù)據(jù)量為n3的問題簡化為Cn2,在大量數(shù)據(jù)集進(jìn)行訓(xùn)練的前提下,對于單圖像進(jìn)行同樣規(guī)模的三維重建,存儲效率高、計(jì)算成本低。

    2 相關(guān)研究

    3D 解碼器是基于學(xué)習(xí)的形狀生成任務(wù)的關(guān)鍵,可以根據(jù)其形狀表示進(jìn)行分類。

    2.1 基于體素的解碼器

    布洛克等提出了基于體素的變分自編碼器重構(gòu)3D 形狀,并使用經(jīng)過訓(xùn)練的潛在代碼進(jìn)行形狀分類[13]。Choy 等結(jié)合了3D 體積自動(dòng)編碼器的功能和長短期記憶技術(shù),可從中重建體積網(wǎng)格單視圖或多視圖圖像[14]。生成對抗網(wǎng)絡(luò)被引入基于體素的形狀生成和重構(gòu)中,采用了不同的改善策略。然而,體素表示存在的分辨率較低的問題[15]。

    2.2 基于稀疏體素的解碼器

    H?ne 等提出基于八叉樹的表示,它比形狀預(yù)測的體素表示具有更高的效率和更高的分辨率[16]。Riegler 等在深度融合中使用基于八叉樹的解碼器[17],實(shí)現(xiàn)了2563甚至更高的分辨率輸出。自適應(yīng)O-CNN 則進(jìn)一步提高了基于八叉樹的CNN 網(wǎng)絡(luò)的效率和預(yù)測準(zhǔn)確性[18]。

    2.3 基于點(diǎn)的解碼器

    Charles 等設(shè)計(jì)PointSetGen 用以從單個(gè)圖像預(yù)測點(diǎn)坐標(biāo)[19]。倒角距離和地球移動(dòng)器的距離用作損失函數(shù),以補(bǔ)償預(yù)測值與真實(shí)物體之間的偏差。生成的點(diǎn)云近似于預(yù)期的形狀。最近,Achlioptas 等改用GAN 技術(shù)來改善點(diǎn)云生成[20-21]。

    2.4 八叉樹技術(shù)

    八叉樹技術(shù)通過將三維空間細(xì)分為8 個(gè)八叉樹節(jié)點(diǎn)來遞歸劃分。它是許多計(jì)算機(jī)圖形應(yīng)用程序的核心技術(shù),例如渲染、形狀重構(gòu)和碰撞檢測。常用的八叉樹的分割取決于內(nèi)部形狀,執(zhí)行分割直到達(dá)到最大樹深度為止,通常會均勻采樣。由于形狀信號在空間中分布不均勻,因此可以將自適應(yīng)采樣策略與八叉樹集成在一起,進(jìn)一步減小八叉樹的大小。Frisken 等提出了基于八叉樹的自適應(yīng)距離場,在距離場包含精細(xì)細(xì)節(jié)的區(qū)域中保持高采樣率,而在場平滑變化的區(qū)域中則保持低采樣率[22-23]。本文提出的補(bǔ)丁引導(dǎo)自適應(yīng)八叉樹遵循此自適應(yīng)原理,并使用局部補(bǔ)丁的擬合誤差來指導(dǎo)分割。

    3 基于補(bǔ)丁的自適應(yīng)八叉樹

    本文引入了基于補(bǔ)丁的自適應(yīng)八叉樹。對于給定曲面S,從其外輪廓開始將三維圖像分為8 個(gè)等大的立方體空間,對于八叉樹節(jié)點(diǎn)O,將SO表示受八叉樹細(xì)分立方體約束的S的局部表面。如果SO不為空,可以用一個(gè)簡單的表面近似表示SO,本文選擇最簡單的平面來建立八叉樹。依據(jù)式(1)建立與真實(shí)平面SO具有最小近似誤差的最佳平面P。

    其中:n是平面的單位法向量,d是平面的偏移量,P平面方程為:n·p+d=0,n∈R3。為了使法線方向與基礎(chǔ)平面法線方向一致,核對n與SO的平均法線之間的角度是否小于90°,如果不是則將n和d同時(shí)乘以-1。

    PO表示為受O所在的立方體區(qū)域約束的P的平面補(bǔ)丁。局部形狀近似補(bǔ)丁的質(zhì)量δO根據(jù)PO和SO之間的豪斯多夫距離確定,即:

    式中disH(*,*)為求兩個(gè)平面的豪斯多夫距離。豪斯多夫距離用于描述兩組點(diǎn)集之間的相似程度,它是兩個(gè)點(diǎn)集之間距離的一種定義形式。

    改進(jìn)后的八叉樹劃分規(guī)則為:對于任何不在最大深度級別的子節(jié)點(diǎn)O,如果SO不為空且δO大于預(yù)定義閾值,則對它進(jìn)行繼續(xù)細(xì)分,遵循此規(guī)則,可以生成補(bǔ)丁引導(dǎo)的自適應(yīng)八叉樹。所有非空子節(jié)點(diǎn)上的補(bǔ)丁對輸入的三維形狀進(jìn)行了良好的近似,它們與輸入形狀之間的豪斯多夫距離以為閾值。的選取需要兼顧平面的近似效果、計(jì)算的復(fù)雜度和時(shí)間。如果閾值過小,計(jì)算的時(shí)間和復(fù)雜度會上升;如果閾值過大,則不能獲得一個(gè)較好的近似平面。根據(jù)以上原則,逐步測試確定了最優(yōu)閾值,即,其中h是八叉樹中最長網(wǎng)絡(luò)的長度。

    基于平面補(bǔ)丁的自適應(yīng)八叉樹建立的三維模型如圖1 所示。由于八叉樹具有自適應(yīng)性,平面補(bǔ)丁呈現(xiàn)不同的大小。為了更好地進(jìn)行可視化,通過二維線性輸入來說明三維自適應(yīng)八叉樹的原理,如圖2 所示。很明顯,二維自適應(yīng)四叉樹占用的內(nèi)存要少得多,線段的集合可以較好地近似輸入圖形。由于存在近似誤差,相鄰非空葉八叉樹節(jié)點(diǎn)的局部補(bǔ)丁之間是有縫隙的。為了填補(bǔ)這些空隙,可以采用表面重建和多邊形修復(fù)技術(shù)。

    圖1 基于平面補(bǔ)丁的自適應(yīng)八叉樹建立的三維模型及在各層次上非空節(jié)點(diǎn)的自適應(yīng)補(bǔ)丁Fig.1 Three-dimensional model based on plane patch-based adaptive octree CNN and non-empty leaf nodes of octree with adaptive patches at boundary layers

    圖2 二維自適應(yīng)四叉樹示意圖Fig.2 Schematic diagram of two-dimensional adaptive quadtree

    4 自適應(yīng)八叉樹神經(jīng)網(wǎng)絡(luò)

    三維CNN 的主要組件包括編碼器和解碼器,對形狀的生成及分類等任務(wù)至關(guān)重要[24-25]。由于八叉樹和自適應(yīng)八叉樹的主要區(qū)別在于細(xì)分規(guī)則,八叉樹的高效GPU 實(shí)現(xiàn)已直接移植到自適應(yīng)八叉樹上。

    4.1 自適應(yīng)O-CNN 的3D 解碼器

    基于八叉樹的卷積神經(jīng)網(wǎng)絡(luò)是將稀疏信號表面存儲在非空八叉樹中,并將CNN 限制在八叉樹內(nèi)。在八叉樹的每個(gè)層次中,每個(gè)八叉樹節(jié)點(diǎn)都有其改組后的索引值。混合后的索引值按升序排序并存儲在連續(xù)的數(shù)組中。給定一個(gè)八叉樹節(jié)點(diǎn)的散亂鍵的索引值,可以計(jì)算出其相鄰的八叉樹節(jié)點(diǎn)的索引值,并檢索相應(yīng)的鄰域信息,這對于實(shí)現(xiàn)高效的卷積操作至關(guān)重要。為了獲得八叉樹兩個(gè)連續(xù)節(jié)點(diǎn)層次之間的父子對應(yīng)關(guān)系,并標(biāo)記出空的八叉樹節(jié)點(diǎn),通過一個(gè)索引數(shù)組記錄八叉樹的節(jié)點(diǎn)信息。在八叉樹上常見的CNN 操作有卷積和池化,其計(jì)算方法類似于體素CNN。不過,基于八叉樹的CNN 操作只在八叉樹葉節(jié)點(diǎn)處進(jìn)行卷積。從最下端葉節(jié)點(diǎn)開始計(jì)算,逐步向上進(jìn)行CNN。當(dāng)卷積操作的步長為1 時(shí),數(shù)據(jù)以不變的分辨率處理,保持在當(dāng)前的八叉樹級別;當(dāng)卷積操作步長大于1時(shí),數(shù)據(jù)被壓縮,沿著葉節(jié)點(diǎn)至父節(jié)點(diǎn)的方向壓縮。

    基于八叉樹的編碼器結(jié)構(gòu)如圖3 所示。將基于八叉樹的卷積移植到基于自適應(yīng)表面的八叉樹三維編碼器中。GPU 中自適應(yīng)八叉樹數(shù)據(jù)存儲、卷積和池化操作與基于八叉樹的卷積神經(jīng)網(wǎng)絡(luò)相同[26]。與八叉樹不同,自適應(yīng)八叉樹輸入信號出現(xiàn)在所有的八叉樹節(jié)點(diǎn)處,而不僅僅是在最下端葉結(jié)點(diǎn)處;計(jì)算同時(shí)從不同層的葉節(jié)點(diǎn)開始,得到不同層的特征,最后組裝在一起。

    圖3 基于八叉樹和自適應(yīng)八叉樹的編碼器網(wǎng)絡(luò)Fig.3 Encoder network based on octree and adaptive octree

    在基于八叉樹的CNN 中,形狀信息存儲在最底層葉節(jié)點(diǎn)中,而基于自適應(yīng)的八叉樹則利用所有估計(jì)的局部平面作為輸入信號。對于局部平面P(n·p+d=0,n∈R3)的l級八叉樹的節(jié)點(diǎn)O,設(shè)置了一個(gè)四通道輸入信號(n,)。這里c是O的中心點(diǎn),d*=d-n·c,它與n·(x-c)+d*=0 是同一個(gè)平面方程。這里使用而不是d,因?yàn)槭躭級網(wǎng)格大小的限制,它是一個(gè)相對值,而d的范圍很大,因?yàn)閐是從原點(diǎn)到平面的距離。對于空的子八叉樹節(jié)點(diǎn),其輸入信號設(shè)置為(0,0,0,0)。

    自適應(yīng)O-CNN 的3D 編碼器將自適應(yīng)八叉樹作為輸入,在八叉樹的每一層,對這一層所有葉節(jié)點(diǎn)上的特征應(yīng)用一系列卷積算子和ReLU,卷積核由這些八叉樹節(jié)點(diǎn)共享。然后,通過池化將第l級處理過的特征下采樣到第(l-1)級,并通過逐元素最大操作與第(l-1)級的特征融合。這些新特征可以進(jìn)一步處理并與第(l-2)級、第(l-3)級的特征融合,直到最頂層。在實(shí)現(xiàn)中,最粗糙的級別設(shè)置為2,第2 級的八叉樹節(jié)點(diǎn)強(qiáng)制為滿,使所有特征都具有相同的維度。圖3 為自適應(yīng)O-CNN 3D 編碼器架構(gòu)。

    4.2 自適應(yīng)O-CNN 的3D 解碼器

    本文設(shè)計(jì)了一個(gè)3D 解碼器來生成自適應(yīng)八叉樹,其結(jié)構(gòu)如圖4 所示。在每層八叉樹,訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來預(yù)測每個(gè)八叉樹節(jié)點(diǎn)的補(bǔ)丁近似狀態(tài)——空的、表面良好近似和表面較差近似,并回歸局部補(bǔ)丁參數(shù),帶有標(biāo)簽表面近似的八叉樹節(jié)點(diǎn)會被細(xì)分,其中的特征通過反卷積操作傳遞給它們的子節(jié)點(diǎn)。當(dāng)八叉樹節(jié)點(diǎn)內(nèi)的表面近似誤差小于時(shí),補(bǔ)丁形狀可以近似真實(shí)表面,網(wǎng)絡(luò)在這些八叉樹節(jié)點(diǎn)處停止細(xì)分,并將它們作為當(dāng)前八叉樹級別的葉節(jié)點(diǎn)。以這種遞歸方式預(yù)測自適應(yīng)八叉樹,直到深度達(dá)到最大值。

    圖4 自適應(yīng)八叉樹CNN 解碼器結(jié)構(gòu)Fig.4 Structure of Adaptive octree CNN decoder

    預(yù)測模塊中,用于預(yù)測的神經(jīng)網(wǎng)絡(luò)由“FC+BN+ReLU+FC”操作組成。其中,BN 代表批標(biāo)準(zhǔn)化,F(xiàn)C 代表全連接層。該模塊在自適應(yīng)八叉樹的同一級別的所有八叉樹節(jié)點(diǎn)之間共享。預(yù)測模塊的輸出包括補(bǔ)丁近似狀態(tài)和平面補(bǔ)丁參數(shù)(n,)。通過補(bǔ)丁近似狀態(tài)來確定八叉樹是否需要細(xì)分,同時(shí)也用于計(jì)算八叉樹的反卷積算子。

    自適應(yīng)O-CNN 解碼器的損失函數(shù)包括結(jié)構(gòu)損失和補(bǔ)丁損失。結(jié)構(gòu)損失Lstruct測量預(yù)測的八叉樹結(jié)構(gòu)與其真實(shí)值之間的差異。由于八叉樹節(jié)點(diǎn)狀態(tài)是3 類分類,使用交叉熵?fù)p失函數(shù)來定義結(jié)構(gòu)損失。將Hl表示為八叉樹l層的交叉熵,結(jié)構(gòu)損失是所有層交叉熵的加權(quán)和,即:

    式中:nl是預(yù)測八叉樹第l層的八叉樹節(jié)點(diǎn),lmax是最大深度,wl是每個(gè)層定義的權(quán)重。與編碼器類似,八叉樹的最頂層是2 并且充滿了八叉樹節(jié)點(diǎn),所以l從2 開始。這里將wl設(shè)置為1。Lpatch測量每個(gè)級別中所有子八叉樹節(jié)點(diǎn)的平面參數(shù)和實(shí)際物體之間的平方距離誤差,即:

    式中:ni和是預(yù)測參數(shù)和是真實(shí)值'是預(yù)測八叉樹第l層的子八叉樹節(jié)點(diǎn),λ設(shè)置為0.2。當(dāng)八叉樹級別超過4 時(shí)使用自適應(yīng)八叉樹,因此l的初值設(shè)為4。對于在真實(shí)數(shù)據(jù)中不存在的錯(cuò)誤生成的八叉樹節(jié)點(diǎn),它們沒有補(bǔ)丁損失,僅考慮結(jié)構(gòu)損失。

    由于預(yù)測平面應(yīng)該通過八叉樹節(jié)點(diǎn),否則違反了平面塊在八叉樹節(jié)點(diǎn)內(nèi)的假設(shè),這里添加約束|d*|<。式中,hl是l級八叉樹節(jié)點(diǎn)的網(wǎng)格尺寸。

    5 實(shí) 驗(yàn)

    5.1 自動(dòng)編碼器

    自動(dòng)編碼器技術(shù)能夠?qū)W習(xí)輸入圖像的緊湊表示,并通過解碼器從潛在代碼中恢復(fù)信號。本文采用自適應(yīng)O-CNN 編碼器和解碼器來形成3D 自動(dòng)編碼器,在GTX 1080,8 G 內(nèi)存的條件下進(jìn)行測試。在ShapeNet Core v2 數(shù)據(jù)集上訓(xùn)練了該3D 自動(dòng)編碼器,其中包含來自13 個(gè)類別的39 715 個(gè)3D 模型[6,27]。訓(xùn)練和測試拆分規(guī)則與AtlasNet 中使用的規(guī)則相同。自適應(yīng)八叉樹的最大深度為7,即體素分辨率為1283[28]。

    通過測量3D 模型與其真實(shí)形狀之間的倒角距離來評估解碼形狀的質(zhì)量。表示真實(shí)點(diǎn)云,神經(jīng)網(wǎng)絡(luò)預(yù)測的點(diǎn),Sg和S之間的倒角距離定義為:

    因?yàn)?D 自動(dòng)解碼器輸出一個(gè)補(bǔ)丁引導(dǎo)的自適應(yīng)八叉樹,為了計(jì)算倒角距離,從估計(jì)的平面補(bǔ)丁中均勻地采樣一組密集點(diǎn)。首先,將包含在自適應(yīng)八叉樹的非空葉節(jié)點(diǎn)中的平面補(bǔ)丁細(xì)分為1283的分辨率,然后在每個(gè)細(xì)分的平面塊上隨機(jī)采樣一個(gè)點(diǎn),形成輸出點(diǎn)云。對于真實(shí)的密集點(diǎn)云,也在1283的分辨率下進(jìn)行均勻采樣。

    質(zhì)量測量結(jié)果如表1 所示。本文還與兩種最先進(jìn)的3D 自動(dòng)編碼器方法進(jìn)行了比較,其中AtlasNet 生成一組網(wǎng)格補(bǔ)丁作為形狀的近似值,PointSetGen(PSG)生成點(diǎn)云輸出。與預(yù)測125個(gè)網(wǎng)格塊的AtlasNet 相比,自適應(yīng)O-CNN 自動(dòng)編碼器實(shí)現(xiàn)了最佳質(zhì)量。需要注意的是,本文應(yīng)用的評價(jià)標(biāo)準(zhǔn)為倒角距離,AtlasNet 的損失函數(shù)就是倒角距離,而自適應(yīng)O-CNN 自動(dòng)編碼器的結(jié)構(gòu)損失函數(shù)和補(bǔ)丁損失函數(shù)并沒有用到此函數(shù),仍然取得了較好的成果。與PSG 相比,自適應(yīng)O-CNN 和AtlasNet 的質(zhì)量要好得多。

    表1 三維自動(dòng)編碼器質(zhì)量Tab. 1 Three-dimenslional autoencoder quality

    自適應(yīng)O-CNN 在某些類別中的表現(xiàn)比AtlasNet 差,例如飛機(jī)和椅子,如圖5 所示。在這些類別中模型相對較薄的部分,例如飛機(jī)的機(jī)翼、椅子的扶手以及槍管,自適應(yīng)O-CNN 與原始形狀有較大的幾何偏差。AtlasNet 的偏差較小,但它用單個(gè)補(bǔ)丁或凌亂的補(bǔ)丁來近似部分實(shí)體,有的結(jié)構(gòu)完全丟失,很難甚至不可能定義這些區(qū)域的內(nèi)部和外部。相反,自適應(yīng)O-CNN使用基于八叉樹的結(jié)構(gòu)損失和補(bǔ)丁損失進(jìn)行訓(xùn)練,具有更好的效果。

    圖5 三維自動(dòng)編碼器測試結(jié)果Fig.5 Three-dimenslional autoencoder results

    3D 自動(dòng)編碼器可用于恢復(fù)幾何形狀的缺失部分并處理輸入噪聲。這里進(jìn)行了一個(gè)形狀完成任務(wù)來證明自適應(yīng)O-CNN 的有效性。從ShapeNet Core v2 數(shù)據(jù)集中選擇汽車類別作為地面實(shí)況數(shù)據(jù)。每輛車隨機(jī)選擇3 到5 個(gè)視圖并從這些視圖中采樣密集點(diǎn)。在每個(gè)視圖上還隨機(jī)裁剪一些區(qū)域以模擬孔洞,并略微擾動(dòng)點(diǎn)位置以模擬掃描噪聲。這些視圖組合在一起作為不完整和嘈雜的數(shù)據(jù)。在這個(gè)合成數(shù)據(jù)集上訓(xùn)練了基于自適應(yīng)O-CNN 的自動(dòng)編碼器,以不完整的形狀作為輸入,以相應(yīng)的完整形狀作為目標(biāo)。作為參考,還在該數(shù)據(jù)集上訓(xùn)練了基于O-CNN 的自動(dòng)編碼器。所有網(wǎng)絡(luò)中八叉樹的最大深度設(shè)置為7。自適應(yīng)O-CNN 的結(jié)果更接近真實(shí)情況,而八叉樹卷積神經(jīng)網(wǎng)絡(luò)卻未能填補(bǔ)一些漏洞。

    5.2 從單個(gè)圖像重建形狀

    從2D 圖像重建3D 形狀是計(jì)算機(jī)視覺和圖形學(xué)中一個(gè)重要的課題。隨著3D 深度學(xué)習(xí)技術(shù)的發(fā)展,從單個(gè)圖像推斷3D 形狀的任務(wù)在研究界引起了廣泛關(guān)注。這里對自適應(yīng)O-CNN 的這項(xiàng)任務(wù)進(jìn)行了實(shí)驗(yàn),并與最先進(jìn)的方法進(jìn)行了比較,即AtlasNet 和PointSetGen(PSG)[8,19,28],真實(shí)3D 形狀來自ShapeNet Core v2,每個(gè)對象都是從24 個(gè)視角渲染的,背景是透明的。在與OctGen進(jìn)行比較時(shí),由于OctGen 僅在具有1283分辨率八叉樹的汽車類別上進(jìn)行了訓(xùn)練,因此自適應(yīng)OCNN 也在具有相同分辨率的汽車數(shù)據(jù)集上進(jìn)行了訓(xùn)練。測試在GTX 1080,8G 內(nèi)存的條件下進(jìn)行。對于圖像編碼器,AtlasNet 使用了ResNet18,OctGen 使用了經(jīng)典的LeNet。

    實(shí)驗(yàn)得到了預(yù)測點(diǎn)與從PointSetGen、Atlas-Net 的原始網(wǎng)格采樣的點(diǎn)之間的倒角距離,如表2所示。Groueix 等隨機(jī)選擇了260 個(gè)形狀(每個(gè)類別20 個(gè))來形成測試數(shù)據(jù)庫[8]。為了與PointSet-Gen 進(jìn)行比較,他們運(yùn)行了ICP 算法對齊來自PointSetGen 和AtlasNet 的預(yù)測點(diǎn)與真實(shí)物體點(diǎn)云。注意ICP 對齊后,倒角距離誤差略有改善。此外,還運(yùn)行了ICP 算法來使自適應(yīng)O-CNN 編碼器的結(jié)果與真實(shí)情況保持一致。我們的方法在13 個(gè)類別中的8 個(gè)類別上實(shí)現(xiàn)了最佳性能,特別是對于具有大平坦區(qū)域的對象。單圖像三維重建的測試結(jié)果見表2,表中的數(shù)值為倒角距離乘以1 000。如汽車和櫥柜,自適應(yīng)O-CNN 的輸出在視覺上更平滑。對于圖6 最后一行的翻蓋手機(jī)圖像,所有方法的重建質(zhì)量都相對低于其他輸入圖像,因?yàn)榉w手機(jī)在訓(xùn)練數(shù)據(jù)集中是很少見的。

    表2 三維重建測試結(jié)果Tab. 2 3D reconstruction test results(The Chamfer distance is multiplied by 1000)

    為了計(jì)算OctGen 輸出的倒角距離,從邊界八叉樹節(jié)點(diǎn)中密集采樣點(diǎn)進(jìn)行評估?;诿嫫淖赃m應(yīng)O-CNN 具有比OctGen 更低的倒角距離誤差,兩者分別為0.274 與0.294。三維重建視覺結(jié)果如圖6 所示。與OctGen 相比,自適應(yīng)O-CNN 能夠保留更多的結(jié)構(gòu)細(xì)節(jié),生成的表面補(bǔ)丁更接近于實(shí)際形狀,尤其是較為平整的區(qū)域。

    圖6 三維重建測試結(jié)果Fig.6 Three-dimencional reconstruction test results

    6 結(jié)論

    本文提出了一種用于3D 編碼和解碼的自適應(yīng)O-CNN,其編碼器和解碼器繼承了補(bǔ)丁引導(dǎo)的自適應(yīng)八叉樹結(jié)構(gòu)的自適應(yīng)性和重建質(zhì)量。在典型的3D 學(xué)習(xí)任務(wù)(包括3D 自動(dòng)編碼以及圖像的表面預(yù)測)上,與包括基于八叉樹的CNN 等先進(jìn)的方法相比,基于平面補(bǔ)丁的自適應(yīng)O-CNN 不僅減少了內(nèi)存和計(jì)算成本,而且具有更好的形狀生成能力。單個(gè)圖像的形狀預(yù)測結(jié)果驗(yàn)證了自適應(yīng)O-CNN 的效率和有效性,倒角距離誤差為0.274,低于OctGen 的倒角距離誤差0.294,重建效果更好。

    猜你喜歡
    八叉樹倒角解碼器
    三維十字鏈表八叉樹的高效檢索實(shí)現(xiàn)
    科學(xué)解碼器(一)
    箱梁三面倒角的作圖方法
    科學(xué)解碼器(二)
    科學(xué)解碼器(三)
    線圣AudioQuest 發(fā)布第三代Dragonfly Cobalt藍(lán)蜻蜓解碼器
    關(guān)于機(jī)械設(shè)計(jì)與制造中的零件倒角問題分析
    基于機(jī)械設(shè)計(jì)與制造中的零件倒角研究
    采用倒角坯改善鑄坯邊直裂缺陷的研究
    上海金屬(2016年2期)2016-11-23 05:34:40
    散亂點(diǎn)云線性八叉樹結(jié)構(gòu)在GPU中的實(shí)現(xiàn)
    一边亲一边摸免费视频| 黄片无遮挡物在线观看| videos熟女内射| 一区二区三区激情视频| 免费在线观看视频国产中文字幕亚洲 | 久久人妻熟女aⅴ| 欧美av亚洲av综合av国产av | 欧美精品人与动牲交sv欧美| 日本黄色日本黄色录像| 久久亚洲国产成人精品v| 国产成人系列免费观看| 激情五月婷婷亚洲| 亚洲人成网站在线观看播放| 国产野战对白在线观看| 免费黄色在线免费观看| 中文字幕高清在线视频| av网站在线播放免费| 亚洲伊人久久精品综合| 18在线观看网站| 国产有黄有色有爽视频| 国产成人一区二区在线| 欧美av亚洲av综合av国产av | 久久精品人人爽人人爽视色| 欧美精品高潮呻吟av久久| 亚洲av综合色区一区| 色婷婷久久久亚洲欧美| 亚洲 欧美一区二区三区| 色综合欧美亚洲国产小说| 观看av在线不卡| 亚洲精品视频女| 免费高清在线观看日韩| 亚洲人成网站在线观看播放| 亚洲欧美色中文字幕在线| 麻豆精品久久久久久蜜桃| 我要看黄色一级片免费的| 日本av手机在线免费观看| 午夜久久久在线观看| 人人妻人人澡人人看| 纵有疾风起免费观看全集完整版| 在线天堂中文资源库| 精品一品国产午夜福利视频| 天天躁夜夜躁狠狠躁躁| 最近2019中文字幕mv第一页| 午夜日韩欧美国产| 欧美日韩国产mv在线观看视频| 国产免费视频播放在线视频| 日本猛色少妇xxxxx猛交久久| 操出白浆在线播放| 亚洲一区二区三区欧美精品| 日韩大码丰满熟妇| 叶爱在线成人免费视频播放| 国产成人精品在线电影| 亚洲精品一二三| 亚洲国产看品久久| 亚洲少妇的诱惑av| 侵犯人妻中文字幕一二三四区| 我要看黄色一级片免费的| 国产片特级美女逼逼视频| 王馨瑶露胸无遮挡在线观看| 观看美女的网站| 久久久久国产一级毛片高清牌| 亚洲成国产人片在线观看| 国产一区二区三区av在线| 一区二区三区精品91| 丝袜美腿诱惑在线| 国产色婷婷99| 久久精品国产a三级三级三级| 亚洲图色成人| 男人舔女人的私密视频| 亚洲欧美激情在线| 秋霞在线观看毛片| 亚洲四区av| 啦啦啦在线免费观看视频4| 我的亚洲天堂| netflix在线观看网站| 一级黄片播放器| 99久久综合免费| 亚洲国产精品一区三区| 久久综合国产亚洲精品| 国产精品一区二区在线不卡| 中国三级夫妇交换| 99香蕉大伊视频| 亚洲精品视频女| 黄频高清免费视频| 女性生殖器流出的白浆| 亚洲,欧美精品.| 青春草视频在线免费观看| 嫩草影视91久久| 一边摸一边做爽爽视频免费| 亚洲四区av| 精品卡一卡二卡四卡免费| 丰满迷人的少妇在线观看| 国产一区亚洲一区在线观看| 日本午夜av视频| 人成视频在线观看免费观看| 成人免费观看视频高清| 亚洲男人天堂网一区| 免费少妇av软件| 高清在线视频一区二区三区| 丝袜在线中文字幕| 国产精品一区二区精品视频观看| 日韩 亚洲 欧美在线| 国产一区有黄有色的免费视频| 波多野结衣av一区二区av| 狠狠精品人妻久久久久久综合| videos熟女内射| 热99久久久久精品小说推荐| 亚洲,欧美,日韩| 国产av精品麻豆| 婷婷色麻豆天堂久久| 亚洲国产av新网站| 最新在线观看一区二区三区 | 另类亚洲欧美激情| 亚洲av在线观看美女高潮| 欧美国产精品va在线观看不卡| 日本欧美国产在线视频| 欧美人与性动交α欧美软件| 一区二区三区乱码不卡18| 久久韩国三级中文字幕| 日本爱情动作片www.在线观看| 一二三四中文在线观看免费高清| 久久97久久精品| 国语对白做爰xxxⅹ性视频网站| 无限看片的www在线观看| 亚洲国产最新在线播放| 女人爽到高潮嗷嗷叫在线视频| 午夜日韩欧美国产| 亚洲欧美清纯卡通| 国产 精品1| 亚洲精品在线美女| 三上悠亚av全集在线观看| 国产在线一区二区三区精| 亚洲伊人色综图| 97在线人人人人妻| 高清在线视频一区二区三区| 国产成人系列免费观看| av在线老鸭窝| a级片在线免费高清观看视频| 99re6热这里在线精品视频| 久久亚洲国产成人精品v| 久久鲁丝午夜福利片| 日韩,欧美,国产一区二区三区| 国产精品久久久久久人妻精品电影 | 欧美国产精品一级二级三级| 精品久久蜜臀av无| 一本色道久久久久久精品综合| 成人国产麻豆网| 午夜av观看不卡| 成人黄色视频免费在线看| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av成人精品一二三区| 中国三级夫妇交换| 男女国产视频网站| 黄色毛片三级朝国网站| 2021少妇久久久久久久久久久| 日韩 亚洲 欧美在线| 丝袜在线中文字幕| 国产xxxxx性猛交| 国产成人一区二区在线| 精品人妻熟女毛片av久久网站| 亚洲第一青青草原| 肉色欧美久久久久久久蜜桃| 亚洲av国产av综合av卡| 黄片无遮挡物在线观看| 成人黄色视频免费在线看| 一本—道久久a久久精品蜜桃钙片| 777米奇影视久久| 丰满迷人的少妇在线观看| 美女福利国产在线| 欧美国产精品va在线观看不卡| 亚洲国产精品成人久久小说| 在线观看www视频免费| 晚上一个人看的免费电影| 久久久久久久国产电影| 在线观看人妻少妇| 狂野欧美激情性bbbbbb| 欧美人与性动交α欧美软件| 青青草视频在线视频观看| 丁香六月欧美| 无限看片的www在线观看| 麻豆精品久久久久久蜜桃| 狠狠精品人妻久久久久久综合| 亚洲人成网站在线观看播放| 最近中文字幕2019免费版| 久久天躁狠狠躁夜夜2o2o | 黄片无遮挡物在线观看| 日本vs欧美在线观看视频| 一级毛片电影观看| 啦啦啦视频在线资源免费观看| 一本大道久久a久久精品| 亚洲欧美一区二区三区国产| 亚洲精品中文字幕在线视频| 涩涩av久久男人的天堂| 蜜桃在线观看..| 中文字幕另类日韩欧美亚洲嫩草| 欧美精品人与动牲交sv欧美| 少妇人妻 视频| 国产精品一区二区在线不卡| 人妻人人澡人人爽人人| 国产精品一二三区在线看| 在线观看免费午夜福利视频| 日韩制服骚丝袜av| svipshipincom国产片| 亚洲 欧美一区二区三区| 在线 av 中文字幕| 国产成人欧美| 日韩视频在线欧美| 成年人免费黄色播放视频| 黄频高清免费视频| 1024视频免费在线观看| 91aial.com中文字幕在线观看| 亚洲成国产人片在线观看| 国产人伦9x9x在线观看| 美国免费a级毛片| 国产精品久久久久久精品电影小说| 久久久久久人人人人人| 男人添女人高潮全过程视频| 99re6热这里在线精品视频| 欧美激情高清一区二区三区 | 婷婷色综合www| 欧美 亚洲 国产 日韩一| 国产 精品1| av线在线观看网站| 高清视频免费观看一区二区| 色94色欧美一区二区| 久久99一区二区三区| 亚洲精品自拍成人| 午夜老司机福利片| 2018国产大陆天天弄谢| 人人妻人人添人人爽欧美一区卜| 91精品伊人久久大香线蕉| 中文乱码字字幕精品一区二区三区| 亚洲三区欧美一区| av线在线观看网站| 男女无遮挡免费网站观看| 精品人妻熟女毛片av久久网站| 欧美日韩综合久久久久久| 日韩av不卡免费在线播放| 观看av在线不卡| 777米奇影视久久| 久久青草综合色| 老司机影院成人| 韩国高清视频一区二区三区| 亚洲少妇的诱惑av| 不卡视频在线观看欧美| 婷婷色麻豆天堂久久| 少妇人妻 视频| 多毛熟女@视频| 精品国产国语对白av| 中文字幕制服av| 久久精品国产亚洲av涩爱| 欧美亚洲 丝袜 人妻 在线| 国产一区亚洲一区在线观看| 热re99久久国产66热| 欧美 日韩 精品 国产| 欧美老熟妇乱子伦牲交| 亚洲国产欧美一区二区综合| 亚洲欧美成人综合另类久久久| 中文字幕色久视频| 中国国产av一级| 男人爽女人下面视频在线观看| 欧美日韩亚洲高清精品| 另类亚洲欧美激情| 最近最新中文字幕大全免费视频 | 亚洲av国产av综合av卡| 国产精品人妻久久久影院| 高清欧美精品videossex| 婷婷色av中文字幕| 人人妻人人爽人人添夜夜欢视频| 国产av码专区亚洲av| 如日韩欧美国产精品一区二区三区| 亚洲精品国产一区二区精华液| 好男人视频免费观看在线| 999精品在线视频| 国产精品香港三级国产av潘金莲 | 五月开心婷婷网| 只有这里有精品99| www.精华液| 我要看黄色一级片免费的| 国产爽快片一区二区三区| 欧美人与善性xxx| 亚洲精品日韩在线中文字幕| 中文精品一卡2卡3卡4更新| 亚洲欧美一区二区三区久久| 亚洲精品国产av蜜桃| 久久毛片免费看一区二区三区| 成年美女黄网站色视频大全免费| 日韩制服骚丝袜av| 国产免费视频播放在线视频| 在线免费观看不下载黄p国产| 国产野战对白在线观看| 大香蕉久久网| 制服诱惑二区| 久久热在线av| 侵犯人妻中文字幕一二三四区| 美女中出高潮动态图| 纵有疾风起免费观看全集完整版| 久久久久视频综合| 99久久99久久久精品蜜桃| 如何舔出高潮| 欧美日本中文国产一区发布| 国产熟女午夜一区二区三区| 欧美精品av麻豆av| 国产精品国产三级国产专区5o| 久久久欧美国产精品| 1024视频免费在线观看| 黑人猛操日本美女一级片| 五月天丁香电影| 日本91视频免费播放| 国产成人精品久久久久久| 精品午夜福利在线看| 国产片特级美女逼逼视频| 国产色婷婷99| 人成视频在线观看免费观看| 大码成人一级视频| 中文乱码字字幕精品一区二区三区| 成人漫画全彩无遮挡| 午夜91福利影院| 亚洲少妇的诱惑av| 大陆偷拍与自拍| av又黄又爽大尺度在线免费看| 色婷婷久久久亚洲欧美| 日韩 欧美 亚洲 中文字幕| 男女下面插进去视频免费观看| 一级片'在线观看视频| 黄色视频在线播放观看不卡| 国产日韩欧美在线精品| 交换朋友夫妻互换小说| 国产成人啪精品午夜网站| 下体分泌物呈黄色| 赤兔流量卡办理| 国产极品天堂在线| 久久人人爽av亚洲精品天堂| 激情视频va一区二区三区| 老汉色av国产亚洲站长工具| 一区在线观看完整版| 国产成人免费无遮挡视频| 亚洲国产成人一精品久久久| 久久女婷五月综合色啪小说| 精品久久久久久电影网| 我要看黄色一级片免费的| 国产xxxxx性猛交| 一级,二级,三级黄色视频| 欧美久久黑人一区二区| 在线亚洲精品国产二区图片欧美| 午夜福利在线免费观看网站| 国产一区亚洲一区在线观看| 亚洲国产精品成人久久小说| 国产午夜精品一二区理论片| 街头女战士在线观看网站| 亚洲色图综合在线观看| 晚上一个人看的免费电影| 90打野战视频偷拍视频| 国产精品人妻久久久影院| 欧美精品亚洲一区二区| 国产成人一区二区在线| 日韩不卡一区二区三区视频在线| 国语对白做爰xxxⅹ性视频网站| 亚洲少妇的诱惑av| 亚洲欧美精品自产自拍| 欧美另类一区| 黄网站色视频无遮挡免费观看| 亚洲第一青青草原| 波多野结衣一区麻豆| 91精品国产国语对白视频| 日本欧美视频一区| 亚洲精品自拍成人| 两个人看的免费小视频| 久久精品国产a三级三级三级| 美女脱内裤让男人舔精品视频| 激情五月婷婷亚洲| 在线亚洲精品国产二区图片欧美| 亚洲av电影在线进入| 成人国语在线视频| 国产精品99久久99久久久不卡 | 视频区图区小说| 人妻人人澡人人爽人人| 成人午夜精彩视频在线观看| 欧美日韩视频精品一区| 久久精品国产综合久久久| 国产又爽黄色视频| 亚洲激情五月婷婷啪啪| 久久久久久久久免费视频了| 在线亚洲精品国产二区图片欧美| 亚洲成人av在线免费| av又黄又爽大尺度在线免费看| av女优亚洲男人天堂| 国产午夜精品一二区理论片| 亚洲熟女精品中文字幕| 国产99久久九九免费精品| 在线亚洲精品国产二区图片欧美| 亚洲成人av在线免费| 日本vs欧美在线观看视频| 夜夜骑夜夜射夜夜干| 国产又色又爽无遮挡免| 亚洲激情五月婷婷啪啪| 男女边吃奶边做爰视频| 青春草国产在线视频| 亚洲,欧美,日韩| 一级片'在线观看视频| 麻豆乱淫一区二区| 叶爱在线成人免费视频播放| 男的添女的下面高潮视频| 国产精品一区二区在线不卡| 久久久久久久国产电影| 香蕉丝袜av| 久久久久久久久免费视频了| 新久久久久国产一级毛片| 交换朋友夫妻互换小说| 在线观看国产h片| 亚洲国产成人一精品久久久| 黄频高清免费视频| 亚洲精品久久午夜乱码| 久久精品熟女亚洲av麻豆精品| 久久99精品国语久久久| 日日爽夜夜爽网站| 久久狼人影院| 日本色播在线视频| 女人爽到高潮嗷嗷叫在线视频| 两个人免费观看高清视频| 久久久久精品久久久久真实原创| 国产片特级美女逼逼视频| 精品人妻熟女毛片av久久网站| 狂野欧美激情性xxxx| 国产精品一二三区在线看| 最近中文字幕2019免费版| 在线观看国产h片| tube8黄色片| 一区在线观看完整版| 一边摸一边做爽爽视频免费| 99re6热这里在线精品视频| 又粗又硬又长又爽又黄的视频| 久久人人爽人人片av| 国产精品一区二区在线观看99| 啦啦啦在线免费观看视频4| 免费看av在线观看网站| 人体艺术视频欧美日本| 男女国产视频网站| 久久精品国产a三级三级三级| 美女大奶头黄色视频| 国产av国产精品国产| 亚洲第一av免费看| 国产一区二区三区av在线| 亚洲精品国产av成人精品| 亚洲国产精品999| 一本—道久久a久久精品蜜桃钙片| 欧美成人午夜精品| 久久精品人人爽人人爽视色| 精品国产乱码久久久久久小说| 99久久99久久久精品蜜桃| 黄色视频不卡| 久久午夜综合久久蜜桃| 黄色 视频免费看| 香蕉丝袜av| 两个人看的免费小视频| 午夜福利一区二区在线看| xxx大片免费视频| 少妇 在线观看| 欧美精品一区二区大全| 免费av中文字幕在线| 波多野结衣av一区二区av| 国产精品秋霞免费鲁丝片| 妹子高潮喷水视频| 高清黄色对白视频在线免费看| 亚洲色图综合在线观看| 人人妻人人爽人人添夜夜欢视频| av网站在线播放免费| 日本91视频免费播放| 一区二区av电影网| 国产乱来视频区| 日韩一本色道免费dvd| 高清欧美精品videossex| 色网站视频免费| 啦啦啦中文免费视频观看日本| 热99久久久久精品小说推荐| 国产精品亚洲av一区麻豆 | 伊人亚洲综合成人网| 一本大道久久a久久精品| 精品国产露脸久久av麻豆| 91精品伊人久久大香线蕉| 日韩,欧美,国产一区二区三区| 久久久久久久久免费视频了| 亚洲国产精品999| 日韩成人av中文字幕在线观看| 美女午夜性视频免费| 久久久久视频综合| 1024香蕉在线观看| 王馨瑶露胸无遮挡在线观看| 天天躁夜夜躁狠狠久久av| 性色av一级| 精品久久久久久电影网| av视频免费观看在线观看| 国产99久久九九免费精品| 狠狠婷婷综合久久久久久88av| 国产精品99久久99久久久不卡 | 91成人精品电影| 国产成人啪精品午夜网站| 捣出白浆h1v1| 热99国产精品久久久久久7| 国产精品偷伦视频观看了| 老熟女久久久| 男女高潮啪啪啪动态图| 国产免费现黄频在线看| 午夜激情av网站| 亚洲一卡2卡3卡4卡5卡精品中文| 国产又爽黄色视频| 日本av手机在线免费观看| 中文字幕另类日韩欧美亚洲嫩草| 国产精品一二三区在线看| 少妇人妻久久综合中文| 免费看不卡的av| av国产精品久久久久影院| 一级毛片黄色毛片免费观看视频| 精品少妇一区二区三区视频日本电影 | 热99久久久久精品小说推荐| 黄色毛片三级朝国网站| 成人毛片60女人毛片免费| 最近的中文字幕免费完整| 日韩伦理黄色片| 国产免费又黄又爽又色| 午夜免费鲁丝| 久久人妻熟女aⅴ| 韩国高清视频一区二区三区| 国产成人免费观看mmmm| 1024香蕉在线观看| av国产久精品久网站免费入址| 男的添女的下面高潮视频| 欧美 日韩 精品 国产| 可以免费在线观看a视频的电影网站 | 别揉我奶头~嗯~啊~动态视频 | 久久久久久人妻| av又黄又爽大尺度在线免费看| 99re6热这里在线精品视频| 国产精品久久久久成人av| 街头女战士在线观看网站| 免费黄频网站在线观看国产| 青青草视频在线视频观看| 国产伦人伦偷精品视频| 国产一级毛片在线| 欧美日韩亚洲国产一区二区在线观看 | 少妇精品久久久久久久| 国产成人av激情在线播放| 精品免费久久久久久久清纯 | 五月开心婷婷网| 777久久人妻少妇嫩草av网站| 人人妻人人澡人人看| 80岁老熟妇乱子伦牲交| 99久久99久久久精品蜜桃| 18在线观看网站| 精品亚洲成a人片在线观看| 久久午夜综合久久蜜桃| 你懂的网址亚洲精品在线观看| 国产精品国产三级国产专区5o| e午夜精品久久久久久久| 国产伦理片在线播放av一区| av不卡在线播放| 观看av在线不卡| 日韩一区二区视频免费看| 丝袜美足系列| 亚洲av国产av综合av卡| 国产亚洲av片在线观看秒播厂| 欧美中文综合在线视频| 久久av网站| 热99国产精品久久久久久7| 国产黄色免费在线视频| 午夜福利视频在线观看免费| 校园人妻丝袜中文字幕| 国产精品久久久久久人妻精品电影 | 久久99一区二区三区| 亚洲精品国产av蜜桃| 丰满乱子伦码专区| 国产熟女欧美一区二区| 性色av一级| 大片电影免费在线观看免费| 亚洲av日韩精品久久久久久密 | 在线亚洲精品国产二区图片欧美| 国产精品 欧美亚洲| 大陆偷拍与自拍| 亚洲av综合色区一区| 美女扒开内裤让男人捅视频| 女性生殖器流出的白浆| 亚洲欧美激情在线| 成人国产av品久久久| 亚洲av福利一区| 伦理电影大哥的女人| 韩国av在线不卡| 国产成人欧美在线观看 | 亚洲一卡2卡3卡4卡5卡精品中文| 午夜免费观看性视频| 欧美日韩国产mv在线观看视频| 亚洲精品,欧美精品| 日韩视频在线欧美| 热re99久久国产66热| 久久性视频一级片| 精品视频人人做人人爽| 99九九在线精品视频| 国产 一区精品| 成年动漫av网址| 午夜91福利影院| 免费观看a级毛片全部| 国产av一区二区精品久久| 午夜福利影视在线免费观看| 国产 一区精品| 考比视频在线观看| 高清欧美精品videossex| 精品国产乱码久久久久久小说| 蜜桃在线观看..| 亚洲精品日本国产第一区| 精品一区二区三区四区五区乱码 | 精品国产一区二区三区久久久樱花| 婷婷色av中文字幕| www.精华液| 一级毛片黄色毛片免费观看视频| 中文字幕亚洲精品专区| 在线观看国产h片|