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！

龙图腾网获悉北京微视威信息科技有限公司申请的专利基于深度学习的实时三维图形渲染优化方法及装置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：CN120088382B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510586391.8，技术领域涉及：G06T15/00；该发明授权基于深度学习的实时三维图形渲染优化方法及装置是由米杰设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本基于深度学习的实时三维图形渲染优化方法及装置在说明书摘要公布了：本发明涉及计算机图形技术领域，具体为基于深度学习的实时三维图形渲染优化方法及装置，方法包括：利用多模态深度神经网络对图形的几何、纹理和光照信息进行特征提取，生成高维特征向量；采用图神经网络动态调整三角网格分辨率，输出优化后的几何网格结构；利用神经辐射场模型对图形的全局光照进行预测，并通过变分自编码器生成优化后的光照贴图；使用视觉Transformer模型对光照贴图和纹理数据进行融合分析，生成自适应纹理映射方案；结合深度强化学习的渲染调度策略和生成对抗网络的超分辨率重建方法，对渲染结果进行优化，并对渲染图像进行后处理。本发明综合利用多种深度学习技术，显著提升了实时三维图形渲染的质量和效率。

本发明授权基于深度学习的实时三维图形渲染优化方法及装置在权利要求书中公布了：1.基于深度学习的实时三维图形渲染优化方法，其特征在于，包括： 获取待渲染三维图形的初始几何数据、纹理数据及光照信息，并利用预训练的多模态深度神经网络对图形的几何复杂度、材质特性及光照分布进行特征提取，生成高维特征向量； 基于提取的高维特征向量，采用图神经网络GNN模型动态调整三角网格分辨率，输出优化后的几何网格结构； 将高维特征向量输入到图神经网络GNN模型中，对图形的几何网格进行自适应优化； GNN模型的输入为原始网格特征与图形特征向量的拼接，在经过多层图卷积后，得到最终的顶点特征表示； 使用多层感知机MLP网络分别预测每个顶点的简化概率和细分概率，根据预测的概率值，对网格进行自适应调整，包括：对于简化概率大于阈值的顶点，将其与相邻顶点合并，减少网格面片数； 通过自适应网格简化和细分后，得到优化后的几何网格结构； 利用神经辐射场NeRF模型结合生成的优化几何网格，对图形中的全局光照进行预测，并通过基于变分自编码器的光照重建功能生成优化后的光照贴图； 使用视觉Transformer模型对优化后的光照贴图与原始纹理数据进行融合分析，预测最佳纹理映射方式，并基于自监督学习调整纹理分辨率和细节层次，生成自适应纹理映射方案； 结合生成的优化纹理映射方案，利用基于深度强化学习的渲染调度策略，动态调整GPU计算资源分配，并采用基于生成对抗网络的超分辨率重建方法，对低分辨率渲染结果进行超分辨率还原； 对优化后的实时渲染图像进行后处理，包括抗锯齿、动态模糊调整及色彩增强，输出三维图形渲染结果。

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微视威信息科技有限公司，其通讯地址为：100089 北京市海淀区紫竹院路81号院3号楼6层608室；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”。