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！

龙图腾网获悉华东交通大学申请的专利一种基于三维高斯的低内存文本生成三维模型方法及系统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：CN121564245B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202610085439.1，技术领域涉及：G06T17/00；该发明授权一种基于三维高斯的低内存文本生成三维模型方法及系统是由黄晓生;万赫川;陈嘉欣;朱志亮设计研发完成，并于2026-01-22向国家知识产权局提交的专利申请。

本一种基于三维高斯的低内存文本生成三维模型方法及系统在说明书摘要公布了：本发明涉及三维生成与计算机视觉技术领域，具体为一种基于三维高斯的低内存文本生成三维模型方法及系统。包括：通过三维点云扩散模型初始化高斯体集合，将位置信息与时间步信息融合生成特征序列，对特征序列交替执行局部注意力与全局注意力计算输出几何预测，利用二维图像扩散模型计算分数蒸馏采样损失结合三维点云扩散损失更新几何参数，基于损失梯度范数生成二元标签，构建不透明度正则化损失差异化约束高斯体不透明度，联合多项损失迭代优化并移除低不透明度高斯体。本发明通过交替注意力机制降低计算复杂度，通过不透明度正则化实现主动剪枝，显著降低显存占用，实现资源受限设备上的高效部署。

本发明授权一种基于三维高斯的低内存文本生成三维模型方法及系统在权利要求书中公布了：1.一种基于三维高斯的低内存文本生成三维模型方法，其特征在于，包括： S100：接收文本输入，通过预训练文本编码器提取文本语义特征，将所述文本输入三维点云扩散模型生成初始三维点云，基于所述初始三维点云初始化三维高斯体集合； S200：将所述三维高斯体集合的位置信息与时间步信息融合，生成高斯体特征序列； S300：对所述高斯体特征序列交替执行局部注意力计算和全局注意力计算，输出几何预测； S400：将所述几何预测渲染为二维图像，利用预训练二维图像扩散模型计算分数蒸馏采样损失，结合三维点云扩散损失更新所述三维高斯体集合的几何参数； S500：计算所述三维高斯体集合中每个高斯体位置的损失梯度范数，根据所述损失梯度范数与预设阈值的比较为对应高斯体生成二元标签； S600：基于所述二元标签构建不透明度正则化损失，约束标签为1的高斯体的不透明度趋向于1，约束标签为0的高斯体的不透明度趋向于0； S700：将所述分数蒸馏采样损失、图像均方误差损失与所述不透明度正则化损失组合对所述三维高斯体集合进行迭代优化，移除不透明度低于剪枝阈值的高斯体，输出三维高斯模型； 对所述高斯体特征序列交替执行局部注意力计算和全局注意力计算的步骤包括： 根据当前高斯体总数量将所述高斯体特征序列划分为多个互不重叠的局部区域，在各局部区域内独立执行多头注意力计算； 对所述高斯体特征序列通过k近邻算法在特征空间构建语义近邻图，对所述语义近邻图进行特征聚合； 将所述局部区域内的多头注意力计算与基于语义近邻图的特征聚合交替串联执行； 对所述语义近邻图进行特征聚合包括： 对所述高斯体特征序列进行线性投影生成查询向量、键向量和值向量； 对所述值向量使用k近邻算法在特征空间构建语义近邻图并进行第一轮特征聚合； 基于第一轮聚合后的特征重新计算近邻关系进行第二轮特征聚合，得到增强特征； 将所述增强特征与所述查询向量和键向量进行多头注意力计算。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。