龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海交通大学
申请日：2024-02-02
公开（公告）日：2024-05-24
公开（公告）号：CN118075493A
主分类号：H04N19/597
分类号：H04N19/597;G06T5/50;G06T15/00;H04N19/91;H04N19/124;H04N19/177;H04N19/42;H04N19/147;H04N13/161
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.11#实质审查的生效;2024.05.24#公开
摘要：本发明提供了一种基于动态NeRF的体积视频处理方法及系统，包括：将辐射场的表示分解为系数场、基场；根据时间戳将动态序列划分为等间隔的画面组，引入残差场作为基场的特征补偿；根据采样点的坐标，利用三线性插值分别在系数场、基场中得到系数特征、基特征；特征映射：将系数特征、基特征进行合并，映射为颜色、密度；基于采样点的坐标、颜色和密度进行体积渲染，得到给定像素点的渲染颜色；将系数特征、基特征进行量化、熵编码，压缩动态NeRF；构建损失函数，训练动态NeRF。本发明的技术方案，动态辐射场的表征更紧凑；并且将动态辐射场的建模和压缩进行了端到端的联合优化，与现有的ReRF相比能实现更高的压缩效率。
主权项：1.一种基于动态NeRF的体积视频处理方法，其特征在于，包括：将辐射场的表示分解为系数场、基场；根据时间戳将动态序列划分为等间隔的画面组，引入残差场作为所述基场的特征补偿；根据采样点的坐标，利用三线性插值分别在所述系数场、所述基场中得到系数特征、基特征；将所述系数特征、所述基特征进行合并，映射为颜色、密度；基于所述采样点的坐标、所述颜色和所述密度进行体积渲染，得到给定像素点的渲染颜色；将所述系数特征、所述基特征进行量化、熵编码，压缩动态NeRF；构建损失函数，训练所述动态NeRF。
全文数据：
权利要求：
百度查询： 上海交通大学 一种基于动态NeRF的体积视频处理方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号