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！

龙图腾网恭喜中国科学技术大学申请的专利基于高斯泼溅与深度学习的三维场景重着色优化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：CN119417972B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202510013815.1，技术领域涉及：G06T15/55；该发明授权基于高斯泼溅与深度学习的三维场景重着色优化方法是由黄章进;毕浩宇;吴建辉设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本基于高斯泼溅与深度学习的三维场景重着色优化方法在说明书摘要公布了：本发明公开了基于高斯泼溅与深度学习的三维场景重着色优化方法，包括如下步骤：S1、构建给定场景的多视角数据集，生成初始点云；S2、基于所述初始点云，从所有输入像素中提取具有代表性的颜色集合，生成调色板并作为初始设置；S3、利用所述调色板和高斯泼溅算法渲染多视角结果图片，计算损失函数，通过反向传播优化参数，生成优化后的高斯辐射场；S4、基于优化后的高斯辐射场和用户修改的调色板颜色，重新渲染场景并生成重着色结果。本发明结合高斯泼溅算法与深度学习技术，实现三维场景高效重着色优化，具备编辑直观、光照表达精准及渲染真实的优点。

本发明授权基于高斯泼溅与深度学习的三维场景重着色优化方法在权利要求书中公布了：1.基于高斯泼溅与深度学习的三维场景重着色优化方法，其特征在于，包括如下步骤：S1、构建给定场景的多视角数据集，生成初始点云；S2、基于所述初始点云，从所有输入像素中提取具有代表性的颜色集合，生成调色板并作为初始设置；S3、利用所述调色板和高斯泼溅算法渲染多视角结果图片，计算损失函数，通过反向传播优化参数，生成优化后的高斯辐射场；S4、基于优化后的高斯辐射场和用户修改的调色板颜色，重新渲染场景并生成重着色结果；所述S3具体包括：S31、定义高斯核的表达形式： ；其中，表示高斯核，x表示三维场景中的位置，表示高斯核的中心位置，表示高斯核的协方差矩阵；S32、利用高斯核的光栅化渲染公式生成像素颜色值： ；其中，表示二维像素位置的颜色值，表示第i个高斯核的颜色值，表示第i个高斯核的透明度，表示第j个高斯核的透明度，表示第i个高斯核在二维像素位置的贡献值，表示第j个高斯核在二维像素位置的贡献值，N表示所有高斯核的集合；S33、将各个高斯核的视线方向向量作为多层感知机网络的输入，输出一组基函数用于表示调色板颜色的各向异性偏移： ；其中，表示偏移函数，d表示视线方向，表示调色板颜色在CIELAB色彩空间中L维度上的偏移值： ；其中，表示最终偏移值，表示第i个基函数的基系数，表示第i个基函数的偏移值，n表示用于描述调色板颜色偏移的基函数数量；S34、使用alphablend公式，将高斯核的透明度转化为权重： ；其中，表示第i个高斯核的权重；S35、将权重与偏移后的调色板颜色结合，计算高斯核的最终颜色： ；其中，表示高斯核的最终颜色，W表示权重矩阵，表示调色板的初始颜色；S36、使用可微的分块光栅化渲染器将计算得到的高斯核的最终颜色渲染为二维图像，得到渲染图像；S37、使用渲染图像与实际图像像素颜色的差值与SSIM分数的加权平均作为主要损失函数： ；其中，表示主要损失函数，表示SSIM损失的权重系数，表示渲染图像与实际图像像素颜色差值的损失，表示SSIM分数损失；添加平滑的权重L2范数作为稀疏性损失函数： ；其中，表示稀疏性损失函数，M表示调色板中的颜色数量，表示对0-1指示性函数的平滑近似；定义调色板偏移值损失函数： ；其中，表示调色板偏移值损失函数，P表示调色板的当前颜色；S38、通过反向传播算法优化高斯辐射场参数和多层感知机网络参数，生成优化后的高斯辐射场。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。