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！

龙图腾网获悉南京邮电大学申请的专利基于证据融合的神经辐射场可信孪生建模方法及存储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：CN119648923B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510148862.7，技术领域涉及：G06T17/00；该发明授权基于证据融合的神经辐射场可信孪生建模方法及存储介质是由陈蕾;韩松成;周诣涵;周帅;徐瑄晨;张锋设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本基于证据融合的神经辐射场可信孪生建模方法及存储介质在说明书摘要公布了：本发明的一种基于证据融合的神经辐射场可信孪生建模方法及存储介质，包括获取多视角图像数据；构建基于证据深度学习的神经辐射场模型，通过正态逆伽马分布对空间点的体密度、颜色及其不确定性进行建模；采用数据不确定性的加权损失函数训练模型；在训练过程中通过自适应重采样策略增加高不确定性区域的采样密度，提升渲染质量；将训练完成的模型应用于缺陷样本测试数据集；通过模型生成三维重建图像及不确定性量化图，对缺陷区域进行可信度评估，结合渲染图像与不确定性量化图生成最终检测结果。本发明通过引入证据深度学习和神经辐射场的融合方法，实现产品表面缺陷检测的高精度、可信度高的样本增补工作，能够提升可靠性和鲁棒性。

本发明授权基于证据融合的神经辐射场可信孪生建模方法及存储介质在权利要求书中公布了：1.一种基于证据融合的神经辐射场可信孪生建模方法，其特征在于，包括以下步骤， 步骤1，获取用于三维场景重建的多视角图像数据； 步骤2，构建神经辐射场模型，并嵌入证据深度学习框架，以对三维空间中的辐射场进行建模，将空间点的属性建模为体密度与颜色及其不确定性参数； 步骤3，基于数据不确定性的损失加权，利用正态逆伽马分布的参数计算每个采样点的数据不确定性，对粗网络中每个样本的损失进行加权； 步骤4，自适应重采样，基于模型不确定性估计，在训练过程中提出自适应重采样策略，对模型不确定性较高的区域增加采样密度，对于模型不确定性较低的区域，减少采样密度； 步骤5，融合正态逆伽马分布的体渲染方法，在神经辐射场的体渲染方法基础上，融合所有采样点不确定性参数，生成渲染图像和不确定性量化图； 步骤6，可信证据回归，结合可微渲染规范损失与不确定性损失函数优化全局辐射场； 步骤2中，包括以下步骤： 步骤2.1，神经辐射场输入构建： 将输入的多视角图像数据和对应的相机位姿输入到神经辐射场模型中，其中图像数据为RGB三通道，宽、高分别为W0和H0，输入图像数据在输入构建阶段会细分为粗采样和细采样： 粗采样：其中Ncoarse为粗采样的数量，xcoarse代表粗采样点的三维坐标； 细采样：其中NFine为细采样的数量，xfine代表粗采样点的三维坐标； 网络接收空间坐标x＝x,y,z和视角方向作为输入； 步骤2.2，证据深度学习模块构建： 在神经辐射场模型中嵌入证据深度学习模块，用于对每个空间点的不确定性进行建模，假设采样点的颜色Ci,j，对应i∈{R,G,B}，j为光线上的采样点，各服从相互独立的正态分布，即其均值μi,j和方差由正态逆伽马分布参数控制：均值精度参数形状参数尺度参数那么其概率密度函数定义为 融合后的证据模型将会输出以下参数： 颜色均值δjx,d：由网络输出，j∈{R,G,B}，表示颜色预测的均值； 精度参数vjx：用于反映模型对颜色预测的信心，定义为精度的倒数，其中τ2为预测颜色的方差； 形状参数αjx：表示模型对该空间点的预测稳定性；较高的α值表明模型在该点上具有更高的稳定性； 尺度参数βjx：用于控制颜色分布的范围，结合α反映预测分布的离散程度； 在每个采样点，颜色的预测遵循正态逆伽马分布NIGδ,γ,α,β，通过这些参数量化模型的不确定性； 步骤2.3，神经辐射场网络构建： 神经辐射场网络结构由两个部分组成：粗网络和细网络，两者的结构完全相同，均由两个多层感知机MLP组成，网络的输入和输出构造如下： 第一个MLP负责从空间坐标中提取几何信息与其不确定性参数，生成体积密度σx、内部隐含特征f、精度参数υ、形状参数α、尺度参数β，其参数为θ1： 颜色均值δ通过第二个多层感知机；该MLP利用空间坐标x和视角方向d，结合内部隐含特征f，预测颜色均值δ，捕捉场景的光照特性和视角相关的颜色变化；其参数为θ2： 其中δ＝[δR,δG,δB]，R、G、B分别代表红、绿、蓝色通道的NIG预估均值。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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”。