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！

龙图腾网获悉西北工业大学申请的专利一种基于生成对抗网络的三维图形重光照生成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：CN116051717B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211501727.9，技术领域涉及：G06T15/50；该发明授权一种基于生成对抗网络的三维图形重光照生成方法是由钟冬;高杨;朱怡安;姚烨;段俊花;李联;张黎翔设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的三维图形重光照生成方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的三维图形重光照生成方法，属于深度学习和计算机视觉技术领域，包括如下步骤：基于光照参数得到带有光照值的训练数据集和测试数据集；构建场景转换生成对抗网络和阴影估计生成对抗网络；利用训练数据集分别迭代训练场景转换生成对抗网络和阴影估计生成对抗网络，并将测试数据集分别输入训练好的场景转换生成对抗网络和阴影估计生成对抗网络，得到无光照场景特征和阴影分布估计特征；构建重渲染网络；基于无光照场景特征、阴影分布估计特征和重渲染网络，得到重光照图像；本发明实现了三维场景在变换光源和视角之后快速生成新场景的高质量渲染图像。

本发明授权一种基于生成对抗网络的三维图形重光照生成方法在权利要求书中公布了：1.一种基于生成对抗网络的三维图形重光照生成方法，其特征在于，包括如下步骤： S1、基于光照参数得到带有光照值的训练数据集和测试数据集； S2、基于测试数据集、场景转换生成器和场景判别器，构建场景转换生成对抗网络； S3、基于测试数据集、场景转换生成器和阴影判别器，构建阴影估计生成对抗网络； S4、利用训练数据集分别迭代训练场景转换生成对抗网络和阴影估计生成对抗网络，并将测试数据集分别输入训练好的场景转换生成对抗网络和阴影估计生成对抗网络，得到无光照场景特征和阴影分布估计特征； S5、构建重渲染网络； S6、基于无光照场景特征、阴影分布估计特征和重渲染网络，得到重光照图像； 所述场景转换生成器和阴影估计生成器的计算表达式分别如下： 其中，表示场景转换生成结果，表示阴影估计生成结果，表示期望系数，X表示输入图像，Y表示目标光源下的图像，表示符合输入图像和目标光源下的图像正态分布的数学期望，表示取向量模长，表示阴影目标图像，表示输入图像后的生成器输出结果，表示取定义域子集，表示生成器G的下界，表示判别器D的上界，表示基于生成器G和判别器D的生成对抗网络损失函数，表示阴影判别器的上界，表示基于生成器G和阴影判别器的生成对抗网络损失函数； 所述场景判别器用于判别场景转换生成器的输出无光照场景特征与测试数据集中的无阴影图像；所述阴影判别器用于判别阴影估计生成器的输出阴影分布估计特征与测试数据集中的无阴影图像；所述场景判别器和阴影判别器均仅在patch级别上计算损失，对每个N×N大小的patch判断真假，在整张图像上应用判别器卷积，并将平均结果作为最终输出； 所述重渲染网络包括依次连接的多尺度感知模块、通道重校准模块和渲染模块； 所述多尺度感知模块包括若干感知尺寸滤波器；各所述感知尺寸滤波器通过无光照场景特征和阴影分布估计特征获取全局信息特征和局部信息特征； 所述通道重校准模块采用压缩和激励网络SENet；通过压缩和激励网络SENet分别为全局信息特征和局部信息特征设置全局信息特征权重和局部特征信特征权重； 所述渲染模块采用滤波器大小为7×7，填充量为3，步幅为1的卷积层，其中，卷积层的激活函数为Tanh，用于通过特征空间与图像空间的映射处理重校准特征图，得到重光照图像。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。