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！

龙图腾网获悉北京建筑大学申请的专利基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法、装置及存储介质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：CN120125735B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510083799.3，技术领域涉及：G06T17/00；该发明授权基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法、装置及存储介质是由徐跃家;张鑫浩;陈未;严鑫;金心怡;杨一诺设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法、装置及存储介质在说明书摘要公布了：本发明公开了一种基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法、装置及存储介质，属于视觉三维重建技术领域。本发明利用大语言模型对古文进行理解，收集古建筑图片训练LoRA模型，并构建参数化三维Mesh基础模型，提取古建筑图像的轮廓线条，生成视频集合，然后提取帧，生成帧数集，然后得到序列帧图像，根据序列帧图像确定相机位姿集C1，将相机位姿集C1和稀疏三维点云输入神经稀疏体素场模型，生成古建筑神经稀疏体素场3D模型；并进行优化。本发明能够实现短时间对历史建筑高精度的三维模型重建。

本发明授权基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法、装置及存储介质在权利要求书中公布了：1.一种基于古文文本信息挖掘的古建筑神经稀疏体素场3D模型重建方法，其特征在于，包括如下步骤： 步骤S1，对大语言模型根据古文语料进行调整，对调整后的大语言模型对古文理解的准确度进行评定，基于调整后的大语言模型构建参数化三维Mesh基础模型A1； 步骤S2，收集目标复现古建筑相关朝代的相同建筑类型图片，形成古建筑图像集X1；所述图片像素高于预设像素； 步骤S3，将古建筑图像集X1根据历史风格进行图像标注，将古建筑图像集X1和图像描述标注进行整合，生成包括图像及其标注的古建筑图像风格数据集X2，将古建筑图像风格数据集X2输入Flux模型基座进行训练，生成历史风格LoRA模型； 步骤S4，基于参数化三维Mesh基础模型A1，利用ControlNet模型进行不同角度古建筑图像的轮廓线条提取，将提取的不同角度古建筑图像的轮廓线条输入历史风格LoRA模型生成不同角度的最优古建筑图像； 步骤S5，将不同角度最优古建筑图像输入到本地部署的AI视频生成模型中，并输入预设的关键词，输出多视角AIGC古建筑视频N个，形成视频集合VN； 步骤S6，利用OpenCV从生成的视频集合VN中提取帧，控制帧率以获得指定间隔的图像，得到帧数集X3； 步骤S7，对帧数集X3内的图像进行预处理，得到序列帧图像； 步骤S8，通过COLMAP工具提取序列帧图像的特征并进行特征匹配，确定每张图像的相机位姿，得到相机位姿集C1； 步骤S9，将相机位姿集C1和与相机位姿匹配的图像特征输入COLMAP生成稀疏三维点云，将稀疏三维点云和相机位姿集C1输入神经稀疏体素场模型，生成古建筑神经稀疏体素场3D模型； 步骤S10，通过优化古建筑神经稀疏体素场3D模型的渲染损失来优化古建筑神经稀疏体素场3D模型的参数，逐步生成满足预设精度的古建筑神经稀疏体素场3D模型。

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北京建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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”。