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！

龙图腾网恭喜清华大学深圳国际研究生院申请的专利三维高斯泼溅算法的训练方法、装置、设备及介质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：CN119273858B 。

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：202411825628.5，技术领域涉及：G06T17/00；该发明授权三维高斯泼溅算法的训练方法、装置、设备及介质是由何友;金意林;刘瑜;李劭辉;李徵;姜智卓;李耀文设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本三维高斯泼溅算法的训练方法、装置、设备及介质在说明书摘要公布了：本发明提供一种三维高斯泼溅算法的训练方法、装置、设备及介质，属于图像处理技术领域，方法包括获取图像数据集，基于至少一采样率对图像数据集中的图像进行下采样，确定目标图像数据集；根据图像数据集，确定三维高斯分布模型；根据目标图像数据集以及二维滤波器对三维高斯分布模型进行多轮迭代训练；每轮迭代训练根据目标图像数据集以及预设的二维滤波器，确定抗混叠滤波器；根据抗混叠滤波器对三维高斯分布模型进行滤波，并对滤波后的模型进行训练。本发明利用低分辨率图像而非原图像进行迭代训练，降低计算复杂度，实现训练加速，通过抗混叠滤波器对三维高斯分布模型进行滤波，克服混叠效应，在减少训练时间的同时保证渲染质量。

本发明授权三维高斯泼溅算法的训练方法、装置、设备及介质在权利要求书中公布了：1.一种三维高斯泼溅算法的训练方法，其特征在于，包括：获取图像数据集，基于至少一采样率对所述图像数据集中的图像进行下采样，确定目标图像数据集；根据所述图像数据集，确定三维高斯分布模型；根据所述目标图像数据集以及预设的二维滤波器对所述三维高斯分布模型进行多轮迭代训练；其中，每轮迭代训练包括：根据所述目标图像数据集以及预设的二维滤波器，确定本轮迭代训练的抗混叠滤波器；根据所述抗混叠滤波器对所述三维高斯分布模型进行滤波，得到滤波后的模型，对所述滤波后的模型进行训练；所述根据所述抗混叠滤波器对所述三维高斯分布模型进行滤波，得到滤波后的模型，对所述滤波后的模型进行训练，包括：根据三维滤波器对所述三维高斯分布模型进行滤波，对滤波后的所述三维高斯分布模型进行二维投影，得到二维高斯分布模型；根据所述二维滤波器对所述二维高斯分布模型进行滤波，将滤波后的所述二维高斯分布模型作为所述滤波后的模型；将所述滤波后的模型输入至渲染器和优化器，确定所述三维高斯分布模型的参数优化程度；根据所述参数优化程度更新所述三维高斯分布模型的参数以完成本轮迭代训练；滤波后的所述三维高斯分布模型的表达式如下： ； ；其中，为滤波前的所述三维高斯分布模型，为滤波后的所述三维高斯分布模型，x表示在所述三维高斯分布模型中的空间位置，表示卷积，为所述三维高斯分布模型的协方差矩阵，为滤波后的所述三维高斯分布模型的协方差矩阵，为三维滤波器，为三维滤波器的协方差矩阵，是单位矩阵，是调整滤波器大小的标量，是最大采样率；滤波后的所述二维高斯分布模型的表达式如下： ； ；其中，为滤波前的所述二维高斯分布模型，为滤波后的所述二维高斯分布模型，表示在所述二维高斯分布模型中的平面位置，为所述二维高斯分布模型的协方差矩阵，为滤波后的所述二维高斯分布模型的协方差矩阵，为二维滤波器；为二维滤波器的协方差矩阵。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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”。