【技术实现步骤摘要】
本专利技术涉及一种以偏振为引导对神经隐式表征的场景进行本征分解的优化模型，属于计算机视觉与计算机图形学交叉领域。
技术介绍
1、近年来，nerf凭借新颖的神经隐式表示方式及出色的三维重建视觉效果，备受研究人员的关注。将场景分解为光照、反射率和形状的任务(本征分解)实质上是逆渲染的过程。其中，表面法线反映了光线与物体表面交互的真实度，其精确确认不仅可有效减少nerf后期修正和优化的工作量，还可显著提升三维场景的渲染质量。在nerf中，新视角视图的合成即为渲染，其本质是一个“从三维模型到二维图像的单向转换过程”。由于所生成的二维图像往往难以表达与原始场景契合的深度细节和几何结构等，导致利用其恢复原始三维模型或场景时，会伴随不完善的空间信息，如体积差异、形状畸变和高频噪点所致的不准确的深度信息等。因此，基于nerf框架实现场景本征分解，需要在算法层面上有所创新和提高。
2、本专利技术提出构建一种偏振引导的神经隐式表征场景的本征分解模型，旨在以偏振信息作为约束，辅助本征分解算法对当前场景进行高精度解析，输出更契合物体原始特征属性的光...
【技术保护点】
1.一种偏振引导的神经隐式表征场景的本征分解模型建模方法，其特征在于，该方法的具体步骤如下：
2.根据权利要求1所述的偏振引导的神经隐式表征场景的本征分解模型建模方法，其特征在于，步骤S1的步骤4)中通过循环迭代框架对α、β两个密度参数的组合进行优化的步骤具体为：
【技术特征摘要】
1.一种偏振引导的神经隐式表征场景的本征分解模型建模方法，其特征在于，该方法的具体步骤如下：
2.根据权利要求1所述的偏振引导...
【专利技术属性】
技术研发人员：夏琳琳，阮恒，李思达，杜官峰，刘岘林，王凯，
申请(专利权)人：东北电力大学，
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。