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！

龙图腾网获悉深圳大学申请的专利基于结构化隐空间的边界表示模型生成方法、系统及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：CN120493324B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510363432.7，技术领域涉及：G06F30/10；该发明授权基于结构化隐空间的边界表示模型生成方法、系统及介质是由黄惠;刘奕林设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于结构化隐空间的边界表示模型生成方法、系统及介质在说明书摘要公布了：本发明公开了基于结构化隐空间的边界表示模型生成方法、系统及介质，方法包括：编码来自不同基元类型的连续几何信息以及对应的离散拓扑信息，形成统一且具有表达力的隐向量，所述基元类型包括曲面、曲线以及点；解码结构化隐空间中的隐向量，以恢复所有基元类型及其几何信息和拓扑信息之间的关系；基于隐向量训练隐空间扩散模型，并基于所述隐空间扩散模型根据不同输入条件生成边界表示模型。本发明可在统一的结构化隐空间中同时编码几何特征和拓扑信息，确保生成的边界表示模型拓扑一致性，提高有效性，有效提升边界表示模型生成的效率，减少训练复杂度。

本发明授权基于结构化隐空间的边界表示模型生成方法、系统及介质在权利要求书中公布了：1.一种基于结构化隐空间的边界表示模型生成方法，其特征在于，所述方法包括： 编码来自不同基元类型的连续几何信息以及对应的离散拓扑信息，形成统一的隐向量，所述基元类型包括曲面、曲线以及点； 解码结构化隐空间中的隐向量，以恢复所有基元类型及其几何信息和拓扑信息之间的关系； 基于隐向量训练隐空间扩散模型，并基于所述隐空间扩散模型根据不同输入条件生成边界表示模型，包括： 通过随机重复隐向量，将其填充至固定长度，直至达到预定义的最大表面基元数量； 将条件向量作为约束，将随机噪声去噪映射为目标隐向量，其中，所述条件向量为根据输入条件生成的特征向量； 采用用去噪扩散概率模型线性调度器进行隐空间扩散模型的训练，且损失函数设置为目标隐向量与真实值隐向量之间的L2损失； 将条件向量作为约束，包括： 若无输入条件，则条件向量置零； 若输入条件为单视图、多视图或草图，则对于每张输入图像，采用预训练的DINOv2模型提取1024维特征向量，并且当存在多张输入图像时，通过添加位置编码嵌入视角姿态信息，并对所有图像的特征向量进行均值融合，使用MLP层将特征向量映射为256维条件向量； 若输入条件为稀疏点云或者密集点云，则对于输入点云数据，采用PointNet网络提取出一个1024维特征向量，并通过MLP层将其映射为256维条件向量。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区粤海街道南海大道3688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”。

以上内容由龙图腾AI智能生成。