一种基于深度学习的动态自适应3D模型生成方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于深度学习的动态自适应3D模型生成方法,包括:S1:构建数据集;S2:构建3D模型生成模型,导入S1中的预处理后的图像至特征提取模块中,获取图像的多尺度特征表示;S3:将S2中的多尺度特征表示导入至特征融合模块进行特征融合,获取融合特征;S4:导入S3的融合特征至3D点云生成模块,获取多视角图像特征生成稠密3D点云;S5:相机模块对S4中的稠密3D点云进行特征点匹配,获取匹配3D点云;S6:网格生成模块通过生成对抗网络对S5中的匹配3D点云进行图像生成,获取对应的3D网格,也即最终的3D模型。本发明通过引入自适应加权融合机制,能够在全局结构和细节特征之间取得良好平衡,确保在各种场景下生成高精度的3D模型。
《一种基于深度学习的动态自适应3D模型生成方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024115398299,当前法律状态为已下证,由南昌航空大学提出申请,发明人为颜予祺;毛红梅;徐刘斌;辛韩娜,申请日期为2024-10-31,公开(公告)日期为2025-03-11,国际专利分类号(IPC)为 G06T 17/00 (2006.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于深度学习的动态自适应3D模型生成方法,包括:S1:构建数据集;S2:构建3D模型生成模型,导入S1中的预处理后的图像至特征提取模块中,获取图像的多尺度特征表示;S3:将S2中的多尺度特征表示导入至特征融合模块进行特征融合,获取融合特征;S4:导入S3的融合特征至3D点云生成模块,获取多视角图像特征生成稠密3D点云;S5:相机模块对S4中的稠密3D点云进行特征点匹配,获取匹配3D点云;S6:网格生成模块通过生成对抗网络对S5中的匹配3D点云进行图像生成,获取对应的3D网格,也即最终的3D模型。本发明通过引入自适应加权融合机制,能够在全局结构和细节特征之间取得良好平衡,确保在各种场景下生成高精度的3D模型。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
