买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京信息工程大学申请的专利基于数据驱动压缩与自适应分裂的高效三维重建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119206088B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411676372.6，技术领域涉及：G06T17/00；该发明授权基于数据驱动压缩与自适应分裂的高效三维重建方法是由施宇城;孙玉宝;帅惠;刘青山;刘佳设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于数据驱动压缩与自适应分裂的高效三维重建方法在说明书摘要公布了：本发明公开了基于数据驱动压缩与自适应分裂的高效三维重建方法，包括：获取多视角图像生成3D高斯；构建掩码生成网络和判别网络，掩码生成网络生成掩码，筛选被消除的3D高斯；通过可微光栅渲染器优化3D高斯的属性；利用掩码进行高斯选择和消除，生成部分高斯被消除后的渲染图；若达到预设迭代次数，则根据3D高斯对场景的贡献进行保留或消除；否则进行高斯分裂或复制操作。通过掩码生成网络和判别网络的对抗性学习以及重建损失优化，在减少高斯数量的同时实现高精度的三维场景重建。本发明适用于各种三维重建场景，能够大幅提高渲染速度，减少计算资源消耗，同时保持重建结果的视觉质量，适用于虚拟现实、增强现实、电影特效等领域。

本发明授权基于数据驱动压缩与自适应分裂的高效三维重建方法在权利要求书中公布了：1.基于数据驱动压缩与自适应分裂的高效三维重建方法，其特征在于，执行如下步骤S1-步骤S7，完成对目标场景的三维重建：步骤S1：从不同视角获取目标场景的真实图像，通过SfM方法生成稀疏点云，并将稀疏点云初始化为多个3D高斯，3D高斯的属性包括在三维空间中的中心位置、大小、在空间中的形状、颜色、透明度、可学习特征；步骤S2：构建掩码生成网络和判别网络，掩码生成网络基于3D高斯的可学习特征，选择被消除的3D高斯，基于数据驱动生成消除部分3D高斯的渲染图，输出掩码；判别网络用于判断消除部分3D高斯的渲染图与真实图像的差异；步骤S3：构建可微光栅渲染器，用于优化3D高斯的属性；步骤S4：随机选取一个视角，将该视角的真实图像输入可微光栅渲染器，通过可微光栅渲染器渲染该视角下的3D高斯，生成完整3D高斯渲染图；步骤S5：掩码生成网络根据3D高斯的可学习特征和视角信息输出3D高斯的重要性评分，根据阈值生成掩码；使用生成的掩码消除特定的3D高斯；获得经过高斯消除的图像，对经过高斯消除的图像进行渲染，生成消除部分3D高斯的渲染图；步骤S6：判别网络比较完整3D高斯渲染图、消除部分3D高斯的渲染图和真实图像；构建掩码生成网络、判别网络和场景重建的损失函数，通过反向传播，采用Adam优化器实现对掩码生成网络以及判别网络参数及3D高斯的属性迭代优化与更新优化；步骤S7：判断是否达到预设迭代次数，若达到，则进行高斯削减阶段，基于掩码生成网络生成的掩码和重要性加权采样方法，计算3D高斯的总重要性得分，评价3D高斯对目标场景的贡献，筛选总重要性得分大于预设值的3D高斯进行保留，消除其他3D高斯，输出优化后的高斯表示；若未达到预设迭代次数，则进行高斯增长阶段，筛选重建不完全的3D高斯，根据尺度大小进行处理，对尺度大于预设值的3D高斯进行自适应分裂，其他3D高斯则复制一份；随后返回步骤S2继续迭代，直至达到预设迭代次数，完成对目标场景的三维重建。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。