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！

龙图腾网获悉广州大学申请的专利基于注意力融合多尺度特征的解压缩点云质量增强方法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：CN119496914B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411439748.1，技术领域涉及：H04N19/86；该发明授权基于注意力融合多尺度特征的解压缩点云质量增强方法是由唐春明;钟芯设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本基于注意力融合多尺度特征的解压缩点云质量增强方法在说明书摘要公布了：本发明公开了一种基于注意力融合多尺度特征的解压缩点云质量增强方法，本方法利用原始点云数据和经过压缩算法处理后的压缩点云数据生成所述原始点云数据的基准真值；根据所述基准真值，通过块生成方法将原始点云和压缩点云分割成多个块，得到压缩点云块和基准真实值块；根据所述压缩点云块和所述基准真实值块，构建点云质量增强模型；根据所述点云质量增强模型生成位置优化后的压缩点云块；对各个位置优化后的压缩点云块进行块融合处理，得到位置优化后的目标点云数据。本发明能够提升点云质量增强的精度和准确性，可广泛应用于计算机技术领域。

本发明授权基于注意力融合多尺度特征的解压缩点云质量增强方法在权利要求书中公布了：1.一种基于注意力融合多尺度特征的解压缩点云质量增强方法，其特征在于，包括以下步骤： 利用原始点云数据和经过压缩算法处理后的压缩点云数据生成所述原始点云数据的基准真值; 根据所述基准真值，通过块生成方法将原始点云和压缩点云分割成多个块，得到压缩点云块和基准真实值块； 根据所述压缩点云块和所述基准真实值块，构建点云质量增强模型； 根据所述点云质量增强模型生成位置优化后的压缩点云块； 对各个位置优化后的压缩点云块进行块融合处理，得到位置优化后的目标点云数据; 所述根据所述压缩点云块和所述基准真实值块，构建点云质量增强模型，包括以下步骤： 在编码器部分，接收多尺度输入模块生成的输入数据，并进行多尺度特征的提取；其中，编码器的第一层是一个5×5×5的离散卷积层；该过程的表达式为：，其中，表示多尺度特征提取单元，CONV表示离散卷积；是从输入数据中提取的初始特征； 接着使用3×3×3的离散卷积层，以步长为2进行降采样，在下采样过程中，特征维度增加一倍，而点的数量减少，该过程的表达式为：，其中，表示对前一层输出的稀疏卷积操作，步长为2；是每个下采样层的中间输出； 在解码器部分，采用333转置稀疏卷积，以步长为2进行上采样，该过程的表达式为：，其中，表示上一层输出的转置稀疏卷积操作，是每一层向上采样的中间输出； 在解码器的最后一层，利用111稀疏卷积来完善特征，生成与输入形状相同的最终输出，并将编码器路径和解码器路径的信息结合起来，获取上下文信息； 利用跨尺度特征融合模块来融合所有尺度的属性特征; 所述利用跨尺度特征融合模块来融合所有尺度的属性特征，包括以下步骤： 在融合前变换阶段中：利用几何距离的权重来决定上采样点的属性特征，以保留上下采样点云之间的空间一致性； 在跨尺度注意力特征学习阶段中：利用跨尺度注意力机制将原始分辨率的点云中的细节信息和下采样两次的点云中的上下文信息进行有效融合； 在特征融合阶段中：通过跨尺度注意力特征学习获得增强后的特征，并将这些特征进行堆叠，使用多层感知器对堆叠后的特征进行平滑处理，得到融合后的多尺度特征。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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。