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。

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