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！

龙图腾网获悉中国科学院自动化研究所申请的专利基于隐式神经表征的无监督新类别发现方法、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：CN116758318B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310655993.5，技术领域涉及：G06V10/762；该发明授权基于隐式神经表征的无监督新类别发现方法、装置及设备是由张驰;张兆翔;陈文博设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本基于隐式神经表征的无监督新类别发现方法、装置及设备在说明书摘要公布了：本发明提供一种基于隐式神经表征的无监督新类别发现方法、装置及设备，其中方法包括：获取待分割图像，并对待分割图像进行分割，得到初始子实例分割集合；基于神经辐射场模型，渲染待分割图像的隐式神经表征，将隐式神经表征作为待分割图像的语义特征，并基于语义特征计算交叉熵，得到待分割图像的熵特征；将语义特征和熵特征进行特征融合，得到融合特征；基于初始子实例分割集合中各个子实例的覆盖范围，从融合特征中提取得到子实例特征集合；对子实例特征集合进行聚类，得到待分割图像的语义分割结果。本发明提供的方法、装置及设备，利用神经辐射场模型实现对3D空间的隐式编码，显著降低了内存消耗，提高了新类别的识别准确率。

本发明授权基于隐式神经表征的无监督新类别发现方法、装置及设备在权利要求书中公布了：1.一种基于隐式神经表征的无监督新类别发现方法，其特征在于，包括： 获取待分割图像，并对所述待分割图像进行分割，得到初始子实例分割集合； 基于神经辐射场模型，渲染所述待分割图像的隐式神经表征，将所述隐式神经表征作为所述待分割图像的语义特征，并基于所述语义特征计算交叉熵，得到所述待分割图像的熵特征； 将所述语义特征和所述熵特征进行特征融合，得到融合特征； 基于所述初始子实例分割集合中各个子实例的覆盖范围，从所述融合特征中提取得到子实例特征集合； 对所述子实例特征集合进行聚类，得到所述待分割图像的语义分割结果； 所述神经辐射场模型的训练步骤包括： 提取样本图像中的样本语义特征，并获取所述样本图像的第一采样光线的三维坐标和视角方向，以及标签像素渲染结果； 获取初始模型，所述初始模型包括第一模型和第二模型，所述第一模型和所述第二模型的模型结构相同，所述第一模型包括第一主干模型，以及与所述第一主干模型分别连接的第一隐式神经表征分支和第一像素渲染分支，所述第二模型包括第二主干模型，以及与所述第二主干模型分别连接的第二隐式神经表征分支和第二像素渲染分支； 将所述第一采样光线的三维坐标和视角方向输入至所述第一模型中，由所述第一模型沿所述第一采样光线间隔采样，并基于所述第一像素渲染分支得到并输出粗糙像素渲染结果和密度值，以及基于所述第一隐式神经表征分支得到并输出第一隐式神经表征特征； 基于所述密度值确定所述样本图像的第二采样光线的三维坐标和视角方向，将所述第二采样光线的三维坐标和视角方向输入至所述第二模型中，由所述第二模型沿所述第二采样光线采样，并基于所述第二像素渲染分支得到并输出精细像素渲染结果，以及基于所述第二隐式神经表征分支得到并输出第二隐式神经表征特征； 基于所述第一隐式神经表征特征和所述第二隐式神经表征特征和所述样本语义特征，以及所述粗糙像素渲染结果、所述精细像素渲染结果和所述标签像素渲染结果，对所述初始模型进行参数迭代，得到所述神经辐射场模型。

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中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95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”。