申请/专利权人:浙江大学
申请日:2024-03-08
公开(公告)日:2024-04-26
公开(公告)号:CN117934688A
主分类号:G06T15/00
分类号:G06T15/00;G06T15/04;G06V10/762;G06T7/80;G06T17/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于高斯泼溅样例的神经表示建模方法,属于神经渲染和建模技术领域,包括:获取真实物体样例所在场景的2D图像及对应的相机位姿,根据高斯抛雪球方法得到高斯泼溅模型;构建基于高斯泼溅的渲染系统,从高斯泼溅模型中分割出包含物体样例的高斯泼溅表示,拼凑成有语义的高斯泼溅组合;指定高斯泼溅组合中的目标域和源域,利用源域的纹理特征风格对目标域进行基于采样的纹理传播,并保留目标域原有的纹理内容,同时,根据源域的整体特征对目标域进行基于特征聚类的纹理和谐,实现高斯泼溅组合的无缝衔接。本发明提供了一个基于高斯泼溅的渲染系统,用于创建逼真的3D模型,为直接从现实世界进行基于示例的建模提供了一个新的途径。
主权项:1.一种基于高斯泼溅样例的神经表示建模方法,其特征在于,包括以下步骤:步骤1:获取若干物体样例所在场景的2D图像及对应的相机位姿,根据高斯抛雪球方法,得到每个2D图像的高斯泼溅模型;步骤2:构建基于高斯泼溅的渲染系统,根据渲染系统从每个2D图像的高斯泼溅模型中分割出包含物体样例的高斯泼溅表示,将若干个高斯泼溅表示拼凑成有语义的高斯泼溅组合;步骤3:指定高斯泼溅组合中的目标域和源域,根据边界条件,利用源域的纹理特征风格对目标域进行基于采样的纹理传播,并保留目标域原有的纹理内容,同时,根据源域的整体特征对目标域进行基于特征聚类的纹理和谐,实现高斯泼溅组合的无缝衔接,得到优化后的新物体模型。
全文数据:
权利要求:
百度查询: 浙江大学 一种基于高斯泼溅样例的神经表示建模方法
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。