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！

龙图腾网获悉南京大学申请的专利使用辅助缓冲区的渲染内容超分方法、装置及设备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：CN115239555B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202210750172.5，技术领域涉及：G06T3/4053；该发明授权使用辅助缓冲区的渲染内容超分方法、装置及设备是由张浩南;过洁;郭延文设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本使用辅助缓冲区的渲染内容超分方法、装置及设备在说明书摘要公布了：本发明公开了一种使用辅助缓冲区的渲染内容超分方法、装置和设备，方法包括：1建立多尺度融合网络模型，包括RGB图像处理分支、G‑buffer处理分支和多尺度融合预测分支；2在渲染场景下生成若干包括低清RGB图像和对应高清G‑buffer图像的图像对作为样本，将在高分辨率下渲染生成的RGB图像作为样本标签，输入建立好的多尺度融合网络模型，进行网络训练；3将待超分的低清RGB图像和对应的高清G‑buffer图像输入训练好的多尺度融合网络模型，得到超分后的高清RGB图像。本发明效果更好。

本发明授权使用辅助缓冲区的渲染内容超分方法、装置及设备在权利要求书中公布了：1.一种使用辅助缓冲区的渲染内容超分方法，其特征在于该方法包括： 1建立多尺度融合网络模型，所述多尺度融合网络模型包括RGB图像处理分支、G‑buffer处理分支和多尺度融合预测分支，所述RGB图像处理分支用于从低清RGB图像中提取特征信息并进行零上采样，所述G‑buffer处理分支用于从与低清RGB图像成对的高清G‑buffer图像中提取特征信息，所述多尺度融合预测分支用于将RGB图像处理分支和G‑buffer处理分支提取到的特征信息在不同尺度上进行编码与融合，再进行解码预测超分后的高清RGB图像； 2在渲染场景下生成若干包括低清RGB图像和对应高清G‑buffer图像的图像对作为样本，将在高分辨率下渲染生成的RGB图像作为样本标签，输入建立好的多尺度融合网络模型，进行网络训练； 3将待超分的低清RGB图像和对应的高清G‑buffer图像输入训练好的多尺度融合网络模型，得到超分后的高清RGB图像； 其中，所述多尺度融合预测分支具体包括： RGB特征编码部分，包括依次连接的第一卷积‑下采样模块、第二卷积‑下采样模块和第三卷积下采样模块，所述第一卷积‑下采样模块连接所述RGB图像处理分支，包括相连的两个卷积层，所述第二卷积‑下采样模块包括依次连接的最大池化层和两个卷积层，所述第三卷积‑下采样模块与所述第二卷积‑下采样模块结构相同，三个卷积‑下采样模块的特征尺寸依次下降12； G‑buffer特征编码部分，包括依次连接的第一卷积‑下采样模块、第二卷积‑下采样模块和第三卷积下采样模块，所述第一卷积‑下采样模块连接所述G‑buffer处理分支，包括相连的两个卷积层，所述第二卷积‑下采样模块包括依次连接的最大池化层和两个卷积层，所述第三卷积‑下采样模块与所述第二卷积‑下采样模块结构相同，三个卷积‑下采样模块的特征尺寸依次下降12； 特征融合部分，包括第一融合模块、第二融合模块和第三融合模块，所述第一融合模块分别连接所述RGB特征编码部分和所述G‑buffer特征编码部分的第一卷积‑下采样模块，所述第二融合模块分别连接所述RGB特征编码部分和所述G‑buffer特征编码部分的第二卷积‑下采样模块，所述第三融合模块分别连接所述RGB特征编码部分和所述G‑buffer特征编码部分的第三卷积‑下采样模块，各融合模块均包括依次连接的残差单元和挤压与激发单元； 预测RGB图像解码部分，包括依次连接的第一卷积模块和第二卷积模块，所述第一卷积模块连接所述第三融合模块，包括依次连接的转置卷积层、连接操作和两个卷积层，该连接操作还将第二融合模块连接起来，所述第二卷积模块连接所述第一卷积模块，包括依次连接的转置卷积层、连接操作和两个卷积层，该接操作还将所述第一融合模块连接起来。

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大学，其通讯地址为：210008 江苏省南京市鼓楼区汉口路22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”。

以上内容由龙图腾AI智能生成。