【技术实现步骤摘要】
一种基于AIGC自动生成3D场景的系统
[0001]本专利技术涉及图像数据处理
，尤其涉及一种基于AIGC自动生成3D场景的系统。
技术介绍
[0002]目前3D模型、场景的创建基本都是基于cad图纸、图片、倾斜摄影等方式采集基础信息，经过人为手动模型处理，然后通过渲染引擎进行场景搭建、呈现。
[0003]上述方式对于3D模型、场景的制作需要投入大量的人力成本和较长时间周期，使得3D数字化进程受到了一定的阻碍，对于3D模型建立的速度以及模型的多样性造成了影响，有鉴于此，有必要对现有的3D模型的创建进行改进，提升3D模型的创建速度，增加3D模型制作的种类。
技术实现思路
[0004]针对现有技术存在的不足，本专利技术通过对现有的3D模型制作进行改进，利用人工智能AI以及一系列算法将图片自动创建成多样化的场景、模型，解决目前3D模型制作时无法制作多种不同类型的模型的问题。
[0005]本专利技术提供一种基于AIGC自动生成3D场景的系统，所述系统包括图片识别模块、筛选模块、演变模块以及终端处...
【技术保护点】
【技术特征摘要】
1.一种基于AIGC自动生成3D场景的系统，其特征在于，所述系统包括图片识别模块、筛选模块、演变模块以及终端处理器，所述图片识别模块、筛选模块以及演变模块与终端处理器通讯连接；所述图片识别模块对接收到的图片进行图片采样处理，对图片采样处理后的图形进行识别，将识别后的图形记为基础图形；所述筛选模块对基础图形使用知识蒸馏，得到关键信息以及多变特征信息；所述演变模块对多变特征信息使用扩散模型算法，将多变特征信息进行多样化模型演变；所述终端处理器包括存储单元、比对单元以及模型建立单元；所述存储单元用于存储教师模型、基础模型库以及基础图形库，所述基础模型库用于存储若干行业的物品模型，所述基础图形库用于存储若干行业的物品图片以及物品的轮廓图；所述比对单元用于将关键信息与基础模型库进行比对，得到与关键信息相对应的基础模型，记为关键基础模型；所述模型建立单元基于关键基础模型与演变模块的多样化模型进行模型建立，得到目标场景模型。2.根据权利要求1所述的一种基于AIGC自动生成3D场景的系统，其特征在于，所述图片识别模块包括图片采样策略，所述图片采样策略包括：获取接收到的图片，将接收到的图片记为目标图像，将目标图像放置在平面直角坐标系中，目标图像的左下角放置在平面直角坐标系的坐标原点；对目标图像使用轮廓提取法，所述轮廓提取法包括对目标图像进行二值化处理，将处理后的图像记为二值化图像，对二值化图像进行像素点处理；所述像素点处理为选取二值化图像中的一个像素点记为目标像素点，当目标像素点周围的所有像素点均与目标像素点颜色一致时，删除目标像素点，通过遍历对二值化图像中的每一个像素点进行像素点处理，将全部处理后的二值化图像记为轮廓图像，对轮廓图像使用边缘跟踪算法，得到轮廓图像中的所有物体的轮廓，记为物体轮廓1至物体轮廓N；将物体轮廓1至物体轮廓N使用贴合矩形进行包裹，记为贴合矩形1至贴合矩形N，所述贴合矩形为能将物体轮廓包裹的最小矩形，贴合矩形边缘处能够检测到的物体轮廓的像素点大于等于1；获取贴合矩形1至贴合矩形N的四个顶点在平面直角坐标系内的坐标，记为矩形坐标组1至矩形坐标组N。3.根据权利要求2所述的一种基于AIGC自动生成3D场景的系统，其特征在于，所述图片识别模块还包括图片识别策略，所述图片识别策略包括：获取物体轮廓1至物体轮廓N，将物体轮廓1至物体轮廓N通过人工智能AI在基础图形库中进行匹配，将匹配率最高的图形记为物体轮廓的基础图形，得到基础图形1至基础图形N。4.根据权利要求3所述的一种基于AIGC自动生成3D场景的系统，其特征在于，所述筛选模块包括知识蒸馏策略，所述知识蒸馏策略包括：获取基础图形1至基础图形N，获取教师模型，获取基础图形1至基础图形N中每个图形的第一图形数量的相关图形组，记为相关图形组1至相关图形组N；
使用知识蒸馏中的soft target对基础图形1至基础图形N进行特征图片提取，所述特征图片提取法包括使用教师模型基于相关图形组1对基础图形1使用soft target，得到相关图形组1中每个相关图形对应的概率，获取相关图形对应的概率中最大的概率，记为第一图片概率，获取第一图片概率对应的相关图片，记为第一相关图片；对基础图片2至基础图片N使用特征图片提取，获得第二相关图片至第N相关图片；获取第一图片概率至第N图片概率中最大的图片概率，将概率最大的图片概率对应的相关图片记为关键信息；将第一图片概率至第N图片概率中最大的概率剔除后，获取N
‑
1个图片概率中最大的第二图片数量的图...
【专利技术属性】
技术研发人员：陈旋，马立果，周全，
申请(专利权)人：南京大圣云未来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。