買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜清華大學深圳國際研究生院申請的專利三維高斯潑濺算法的訓練方法、裝置、設備及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119273858B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411825628.5，技術領域涉及：G06T17/00；該發明授權三維高斯潑濺算法的訓練方法、裝置、設備及介質是由何友;金意林;劉瑜;李劭輝;李徵;姜智卓;李耀文設計研發完成，并于2024-12-12向國家知識產權局提交的專利申請。

本三維高斯潑濺算法的訓練方法、裝置、設備及介質在說明書摘要公布了：本發明提供一種三維高斯潑濺算法的訓練方法、裝置、設備及介質，屬于圖像處理技術領域，方法包括獲取圖像數據集，基于至少一采樣率對圖像數據集中的圖像進行下采樣，確定目標圖像數據集；根據圖像數據集，確定三維高斯分布模型；根據目標圖像數據集以及二維濾波器對三維高斯分布模型進行多輪迭代訓練；每輪迭代訓練根據目標圖像數據集以及預設的二維濾波器，確定抗混疊濾波器；根據抗混疊濾波器對三維高斯分布模型進行濾波，并對濾波后的模型進行訓練。本發明利用低分辨率圖像而非原圖像進行迭代訓練，降低計算復雜度，實現訓練加速，通過抗混疊濾波器對三維高斯分布模型進行濾波，克服混疊效應，在減少訓練時間的同時保證渲染質量。

本發明授權三維高斯潑濺算法的訓練方法、裝置、設備及介質在權利要求書中公布了：1.一種三維高斯潑濺算法的訓練方法，其特征在于，包括：獲取圖像數據集，基于至少一采樣率對所述圖像數據集中的圖像進行下采樣，確定目標圖像數據集；根據所述圖像數據集，確定三維高斯分布模型；根據所述目標圖像數據集以及預設的二維濾波器對所述三維高斯分布模型進行多輪迭代訓練；其中，每輪迭代訓練包括：根據所述目標圖像數據集以及預設的二維濾波器，確定本輪迭代訓練的抗混疊濾波器；根據所述抗混疊濾波器對所述三維高斯分布模型進行濾波，得到濾波后的模型，對所述濾波后的模型進行訓練；所述根據所述抗混疊濾波器對所述三維高斯分布模型進行濾波，得到濾波后的模型，對所述濾波后的模型進行訓練，包括：根據三維濾波器對所述三維高斯分布模型進行濾波，對濾波后的所述三維高斯分布模型進行二維投影，得到二維高斯分布模型；根據所述二維濾波器對所述二維高斯分布模型進行濾波，將濾波后的所述二維高斯分布模型作為所述濾波后的模型；將所述濾波后的模型輸入至渲染器和優化器，確定所述三維高斯分布模型的參數優化程度；根據所述參數優化程度更新所述三維高斯分布模型的參數以完成本輪迭代訓練；濾波后的所述三維高斯分布模型的表達式如下： ； ；其中，為濾波前的所述三維高斯分布模型，為濾波后的所述三維高斯分布模型，x表示在所述三維高斯分布模型中的空間位置，表示卷積，為所述三維高斯分布模型的協方差矩陣，為濾波后的所述三維高斯分布模型的協方差矩陣，為三維濾波器，為三維濾波器的協方差矩陣，是單位矩陣，是調整濾波器大小的標量，是最大采樣率；濾波后的所述二維高斯分布模型的表達式如下： ； ；其中，為濾波前的所述二維高斯分布模型，為濾波后的所述二維高斯分布模型，表示在所述二維高斯分布模型中的平面位置，為所述二維高斯分布模型的協方差矩陣，為濾波后的所述二維高斯分布模型的協方差矩陣，為二維濾波器；為二維濾波器的協方差矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人清華大學深圳國際研究生院，其通訊地址為：518055 廣東省深圳市南山區西麗街道深圳大學城清華校區A棟二樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。