申请/专利权人：南京市测绘勘察研究院股份有限公司

申请日：2022-01-13

公开（公告）日：2024-04-16

公开（公告）号：CN114493994B

主分类号：G06T3/04

分类号：G06T3/04;G06T17/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.05.31#实质审查的生效;2022.05.13#公开

摘要：本发明公开一种用于三维场景的古画风格迁移方法，使用古画图片和内容图片训练VGG‑19神经网络模型，再将古画图片和内容图片输入训练好的VGG‑19神经网络模型中，输出生成图像，使用OpenCV图像分割算法grabCut对生成的图像中待风格迁移的三维场景模型的内容进行语义分割，通过Shader着色器技术生成UV古画中的色彩纹理，并通过Shader计算待风格迁移的三维场景模型的顶点纹理，定义三维场景模型各位置的材质属性信息，在Unity3D中将古画中的色彩纹理进行可视化迁移。本发明古画风格迁移方法解决了现有文化遗产三维场景风格过于现代的问题，为文化遗产三维场景古风快速可视化提供了解决思路。

主权项：1.一种用于三维场景的古画风格迁移方法，其特征在于，包括如下步骤：1收集古画图片和内容图片，分别构成古画图片集和内容图片集，所述内容图片为多视角三维场景图；2分别将步骤1收集的古画图片和内容图片输入VGG-19神经网络模型中进行处理，得到对应的风格特征和内容特征；3使用VGG-19神经网络模型的滤波器函数对步骤2得到的风格特征和内容特征进行编码，得到风格特征与内容特征的特征映射，并且通过VGG-19神经网络模型的自适应规范层对得到的特征映射进行归一化处理，获取噪声图片特征图；4将步骤3获取的噪声图片特征图与步骤1中收集的古画图片进行对比分析，构建风格损失函数Lstyle；将步骤3获取的噪声图片特征图与步骤1中收集的内容图片进行对比分析，构建内容损失函数Lcontent，以风格损失函数Lstyle和内容损失函数Lcontent构建总损失函数Ltotal＝αLcontent+βLstyle，其中，α表示内容损失函数的权重参数，β表示风格损失函数的权重参数；5重复步骤2-4，直至总损失函数收敛，完成对VGG-19神经网络模型的训练；6再次将古画图片和内容图片输入训练好的VGG-19神经网络模型中，通过VGG-19神经网络模型的解码器输出生成图像，所述生成图像包含对应于待风格迁移的三维场景模型的内容；7使用OpenCV图像分割算法grabCut对生成的图像中待风格迁移的三维场景模型的内容进行语义分割，通过Shader着色器技术生成UV古画中的色彩纹理，并通过Shader计算待风格迁移的三维场景模型的顶点纹理，定义三维场景模型各位置的材质属性信息，在Unity3D中将古画中的色彩纹理进行可视化迁移。

全文数据：

权利要求：

百度查询： 南京市测绘勘察研究院股份有限公司 一种用于三维场景的古画风格迁移方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD