一种文本引导的神经辐射场建筑物场景风格化方法

    公开(公告)号:CN117541732A

    公开(公告)日:2024-02-09

    申请号:CN202410028439.9

    申请日:2024-01-09

    Abstract: 本发明公开了一种文本引导的神经辐射场建筑物场景风格化方法,包括训练得到一建筑场景几何外观重建模型M1,用于生成内容图像;训练得到一风格化内容图像生成模型M2,用于得到风格化内容图像;用M1、M2构建一整体模型,训练得到融合模型,用户根据需求向融合模型输入一文本信息和一视角,融合模型输出该视角下的风格化内容图像。本发明在构造M1时构造一基于体素网格特征的NeRF模型,能优化NeRF网络结构,提高渲染速度,在构造M2时设计了SCYUVNet模型,能高效地产生高质量的风格转换结果。并克服了现有技术中,2D图片缺乏空间一致性约束和对3D场景多维度特征感知从而影响风格迁移效果的缺陷,使最终图像具有多视角下的空间一致性。

    一种基于快速采样和注意力机制的点云分类分割方法

    公开(公告)号:CN119251602B

    公开(公告)日:2025-03-11

    申请号:CN202411778440.X

    申请日:2024-12-05

    Abstract: 本发明公开了一种基于快速采样和注意力机制的点云分类分割方法,包括步骤:加载点云分类数据集Dc和点云分割数据集Ds;构造点云分类分割网络,该网络基于PointNet++网络,并构造降采样层替换其原有采样层,构造基于注意力机制的分割网络NSt替换原有分割网络,在NSt中改进插值操作,并在跳跃连接时增设自注意力编码器;用Dc和Ds训练点云分类分割网络得到点云分类分割模型,用于点云数据的分类或分割任务中。本发明能降低降采样过程中的复杂度、关注并提取点云中的空间和相关信息、且能克服插值时依赖于选择的邻域大小和点的分布情况导致的插值不准确问题。故本发明能提高采样效率、特征提取精度和分割精度。

    一种基于快速采样和注意力机制的点云分类分割方法

    公开(公告)号:CN119251602A

    公开(公告)日:2025-01-03

    申请号:CN202411778440.X

    申请日:2024-12-05

    Abstract: 本发明公开了一种基于快速采样和注意力机制的点云分类分割方法,包括步骤:加载点云分类数据集Dc和点云分割数据集Ds;构造点云分类分割网络,该网络基于PointNet++网络,并构造降采样层替换其原有采样层,构造基于注意力机制的分割网络NSt替换原有分割网络,在NSt中改进插值操作,并在跳跃连接时增设自注意力编码器;用Dc和Ds训练点云分类分割网络得到点云分类分割模型,用于点云数据的分类或分割任务中。本发明能降低降采样过程中的复杂度、关注并提取点云中的空间和相关信息、且能克服插值时依赖于选择的邻域大小和点的分布情况导致的插值不准确问题。故本发明能提高采样效率、特征提取精度和分割精度。

Patent Agency Ranking