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！

龙图腾网获悉成都信息工程大学申请的专利几何一致性雕刻与梯度冲突驱动稠密化的高斯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：CN121120951B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511651242.1，技术领域涉及：G06T17/00；该发明授权几何一致性雕刻与梯度冲突驱动稠密化的高斯重建方法是由傅孔海;王录涛;沈艳;陈海宁;王紫威;唐鑫;陈卫设计研发完成，并于2025-11-12向国家知识产权局提交的专利申请。

本几何一致性雕刻与梯度冲突驱动稠密化的高斯重建方法在说明书摘要公布了：本发明提供一种几何一致性雕刻与梯度冲突驱动稠密化的高斯重建方法，涉及图像重建技术领域，该方法为获取场景图像训练数据；利用多模态深度估计网络对场景图像训练数据进行分析，得到多模态深度假设数据；基于场景图像训练数据，对空间高斯深度进行采样，得到合成视图多模态深度预测；基于合成视图多模态深度预测和多模态深度假设数据，利用几何一致性损失雕刻，对高斯进行空间雕刻，得到高斯空间雕刻结果；利用高斯梯度冲突，驱动高斯稠密化，得到高斯稠密化结果；基于高斯空间雕刻结果与高斯稠密化结果，通过计算，得到高斯泼溅模型结果。本发明解决了深度模糊的物体重建时出现高斯深度不够精确和几何失真的问题。

本发明授权几何一致性雕刻与梯度冲突驱动稠密化的高斯重建方法在权利要求书中公布了：1.一种几何一致性雕刻与梯度冲突驱动稠密化的高斯重建方法，其特征在于，包括： S1：获取场景图像训练数据；所述场景图像训练数据包括深度模糊的物体图像数据； S2：利用多模态深度估计网络对场景图像训练数据进行分析，得到多模态深度假设数据； S3：基于场景图像训练数据，初始化高斯，对空间高斯深度进行采样，得到合成视图多模态深度预测； S4：基于合成视图多模态深度预测和多模态深度假设数据，利用几何一致性损失雕刻，对高斯进行空间雕刻，得到高斯空间雕刻结果；利用高斯梯度冲突，驱动高斯稠密化，得到高斯稠密化结果； 包括：基于合成视图多模态深度预测与多模态深度假设数据，利用几何一致性损失对高斯球在三维空间中的深度分布进行几何一致性正则化，得到整体空间雕刻损失； 所述整体空间雕刻损失的表达式为： 其中，表示整体空间雕刻损失，表示像素点数量，表示单个像素的几何一致性误差，表示单个像素对应的高斯数量，表示高斯预测深度与所有假设的最小距离，表示在该像素对应的全部k个深度假设上取最小值，表示第i个像素由第j个可见高斯给出的预测深度，表示第i个像素的第m个深度假设，m表示为多深度假设索引，表示多深度假设数量，表示取绝对值； 利用整体空间雕刻损失对高斯球深度误差进行软约束，在多次的迭代中，不同视角下的高斯在位置和不透明度上不断的优化，找到高斯的一致性深度，得到高斯空间雕刻结果； S5:基于高斯空间雕刻结果与高斯稠密化结果，对于当前迭代训练视角下的每一个高斯，统计其覆盖的像素集合，并提取每个像素对该高斯的不透明度梯度和位置梯度，分别得到不透明度梯度和位置梯度对应的符号特征和梯度幅值； 基于梯度冲突驱动稠密化，对不透明度梯度和位置梯度对应的符号特征和梯度幅值进行计算，得到不透明度冲突得分和位置冲突得分； 基于不透明度冲突得分和位置冲突得分，提取其覆盖像素的二维梯度特征，用加权聚类方法进行聚类，得到聚类结果； 将聚类结果的聚类中心反投影操作转换至三维空间，得到转换结果； 基于转换结果，进行新高斯的复制和分裂处理，通过多次迭代得到高斯泼溅模型结果，完成对稀疏视图的高斯重建。

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成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路1段24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。