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！

龙图腾网恭喜成都信息工程大学申请的专利基于多模态深度分布监督的高效3D高斯场景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：CN119648925B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510175895.0，技术领域涉及：G06T17/00；该发明授权基于多模态深度分布监督的高效3D高斯场景重建方法是由王紫威;王录涛;李桉同;沈艳;郜东瑞设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本基于多模态深度分布监督的高效3D高斯场景重建方法在说明书摘要公布了：本发明公开了基于多模态深度分布监督的高效3D高斯场景重建方法，相比于现有技术，在高斯初始化阶段直接提取了像素级的深度稠密点云，生成多模态深度分布图，有效避免了根据COLMAP稀疏点云随机初始化稠密高斯位置，解决了少视图情况下COLMAP获取的点云过于稀疏提供的几何约束不足，同时随机初始化的高斯由于局部最小值阻碍其移动到正确位置的问题。本发明对图像帧应用基于边缘检测的图像分割算法，融合了大量远离边缘点且深度相近的高斯基元，有效修剪了3D高斯数量，节省了GPU的内存消耗。本发明对全局高斯引入额外的各向同性正则化损失，避免了沿视线方向产生伪影的高度拉长的高斯分布问题。

本发明授权基于多模态深度分布监督的高效3D高斯场景重建方法在权利要求书中公布了：1.基于多模态深度分布监督的高效3D高斯场景重建方法，其特征在于，包括以下步骤：S1、输入视频顺序图像帧并作为当前图像帧，通过模糊感知深度估计模块获取当前图像帧的多模态深度分布图；S2、根据多模态深度图提取像素级多模态点云，初始化3D高斯位置分布，学习具有均值、缩放矩阵、旋转矩阵、不透明度和球谐系数所有属性的3D高斯集；S3、基于学习的3D高斯集，最小化渲染图像和当前图像帧的光度损失，得到训练后的3D高斯集；S4、初始化可学习的SE-3仿射变换，固定3D高斯集属性，利用训练后的3D高斯集渲染下一图像帧，最小化渲染图像和下一图像帧之间的光度损失优化SE-3仿射变换，得到估计的下一图像帧的相机位姿；S5、将训练后的3D高斯集添加至全局3D高斯集，根据当前图像帧及估计的当前图像帧与下一图像帧的相机位姿，通过光度损失联合多模态深度分布一致策略，迭代优化3D高斯属性和下一图像帧的位姿；S6、对当前图像帧应用传统的基于边缘检测的图像分割算法，保留靠近边缘点的高斯基元，融合远离边缘点且深度相近的高斯基元，将下一图像帧的相机位姿传入优化的相机位姿集合，判断视频顺序图像帧是否输入结束，若是，则进入S7，若否，则获取下一视频顺序图像帧，返回S1；S7、基于最终的全局3D高斯集，根据光度损失和各项同性正则化损失，迭代优化最终的全局3D高斯集及相机位姿集合的相机位姿，完成3D高斯场景重建；所述S1中，通过模糊感知深度估计模块获取当前图像帧的多模态深度分布图的方法具体为：利用条件隐式极大似然估计学习深度估计的多模态分布，向模糊感知深度估计模块输入图像与若干组潜在码，输出多模态深度分布图。

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”。