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！

龙图腾网获悉江西师范大学申请的专利一种基于几何感知与注意力融合的多视图重建方法及系统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：CN121304950B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511884108.6，技术领域涉及：G06T17/00；该发明授权一种基于几何感知与注意力融合的多视图重建方法及系统是由曾纪国;刘春扬;曾燕芳;何家武;刘聪;杨波设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于几何感知与注意力融合的多视图重建方法及系统在说明书摘要公布了：本发明公开了一种基于几何感知与注意力融合的多视图重建方法及系统，重建方法设计多尺度特征强化网络和几何感知特征融合网络；多尺度特征强化网络提取多尺度特征图输入至多阶段深度估计模块生成初步深度图；初始深度图输入到几何感知特征融合网络生成几何感知增强特征图；将几何感知增强特征图输入到多阶段深度估计模块，进行迭代优化输出精细化深度图；采用像素级交叉熵损失函数与深度分布相似性损失函数的联合损失函数训练由上述网络构建的模型。本发明有效提升图像特征的表达能力和几何信息的利用效率，重点解决现有多视图立体重建方法在低纹理区域和结构重复区域中深度估计困难的问题，显著提高三维重建的准确性与完整性。

本发明授权一种基于几何感知与注意力融合的多视图重建方法及系统在权利要求书中公布了：1.一种基于几何感知与注意力融合的多视图重建方法，其特征在于，包括以下步骤： 步骤S1：准备多视图立体数据集，将数据集中的图像对划分为参考图像与源图像； 步骤S2：将步骤S1中参考图像和源图像输入到多尺度特征强化网络提取多尺度特征图，将多尺度特征图输入至多阶段深度估计模块，生成初步深度图； 步骤S3：对步骤S1中参考图像进行分辨率处理，步骤S2中初步深度图进行分辨率和归一化处理，得到多尺度几何特征； 步骤S4：将步骤S3处理后的参考图像和初始深度图的多尺度几何特征输入到几何感知特征融合网络，生成几何感知增强特征图； 步骤S5：将几何感知增强特征图输入到多阶段深度估计模块，进行迭代优化，输出精细化深度图； 步骤S6：基于多尺度特征强化网络、几何感知特征融合网络、多阶段深度估计模块构建三维重建模型；采用像素级交叉熵损失函数与深度分布相似性损失函数的联合损失函数训练三维重建模型； 步骤S3具体包括： 步骤S31，参考图像和初步深度图进行分辨率处理得到参考图像特征I和初步深度图特征D，初步深度图特征进行归一化处理得到归一化深度图d； 步骤S32，参考图像特征I和归一化深度图d依据std、uv、z或xyz四种模式生成不同空间分辨率的多尺度几何特征，其中，std、uv、z、xyz四种模式依次代表从无几何约束到强几何约束的特征表达方式，提供几何感知卷积模块从二维坐标到三维空间的多层次几何信息； std模式下，不附加任何几何特征； uv模式下，以输入参考图像特征I尺寸为基准，生成覆盖图像每个像素的二维坐标网格，并将二维坐标网格线性归一化到[0,1]区间；归一化后的二维坐标网格通过2×2平均池化逐级下采样，形成二通道特征； z模式下，将归一化深度图d经稀疏池化下采样形成一通道深度特征； xyz模式下，根据数据集中图像对应的相机内参，将图像每个像素的归一化二维坐标u,v与z模式下的一通道深度特征反投影为相机坐标系下的三维坐标x,y,z，并输出三通道特征； 步骤S33，四种模式的多尺度几何特征按空间分辨率层级1,12,14,18生成多尺度表示，形成对应的多尺度几何信息，多尺度几何特征作为多尺度几何特征信息输入几何感知卷积模块。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。