公开(公告)号：CN119559334A

公开(公告)日：2025-03-04

申请号：CN202411772815.1

申请日：2024-12-04

Applicant: 南京邮电大学

Inventor： 许建 ,  王淼 ,  徐瑄晨 ,  陈蕾

IPC: G06T17/00 ,  G06N3/045 ,  G06T7/73 ,  G06N3/08 ,  G06V10/82 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明的一种基于能量损失不确定性投票的神经辐射场优化方法及设备，包括获取训练和测试神经辐射场所需的数据集；将ActiveNeRF训练所使用的NLL函数改为能量损失函数并使用了更加合理的正则项；使用能量损失训练模型；搭建多头注意力网络模型；获取训练多头注意力网络模型的数据集；训练多头注意力网路模型；使用训练好的注意力网络模型对测试位姿下噪声较大的采样点颜色值进行替换，提升最终渲染效果。本发明通过贝叶斯方法建模数据不确定性并使用能量损失进行训练，缓解了负对数似然损失会产生过大的方差而不管预测均值正确与否，损害模型训练的问题。在此基础上，本发明进一步将数据不确定性融入到了多头注意力网络模块中，提高最终的渲染质量。

公开(公告)号：CN119648923A

公开(公告)日：2025-03-18

申请号：CN202510148862.7

申请日：2025-02-11

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  韩松成 ,  周诣涵 ,  周帅 ,  徐瑄晨 ,  张锋

IPC: G06T17/00 ,  G06N3/0499

Abstract: 本发明的一种基于证据融合的神经辐射场可信孪生建模方法及存储介质，包括获取多视角图像数据；构建基于证据深度学习的神经辐射场模型，通过正态逆伽马分布对空间点的体密度、颜色及其不确定性进行建模；采用数据不确定性的加权损失函数训练模型；在训练过程中通过自适应重采样策略增加高不确定性区域的采样密度，提升渲染质量；将训练完成的模型应用于缺陷样本测试数据集；通过模型生成三维重建图像及不确定性量化图，对缺陷区域进行可信度评估，结合渲染图像与不确定性量化图生成最终检测结果。本发明通过引入证据深度学习和神经辐射场的融合方法，实现产品表面缺陷检测的高精度、可信度高的样本增补工作，能够提升可靠性和鲁棒性。

公开(公告)号：CN119919563A

公开(公告)日：2025-05-02

申请号：CN202510397116.1

申请日：2025-04-01

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  张浩 ,  韩松成 ,  周诣涵 ,  徐瑄晨 ,  李平 ,  张锋

IPC: G06T15/06 ,  G06T15/00 ,  G06T17/00 ,  G06N3/04

Abstract: 本发明公开了一种基于扭曲光线的NeRF多模型场景构建方法、设备及介质，包括以下步骤：获取训练数据集，对数据集进行预处理，并计算图像位姿；构建GPU环境，设置训练参数，并加载场景配置文件和带有相机位姿的二维图像；密度体素网格优化神经辐射场分层采样策略，高效训练球谐神经辐射场(NeRF‑SH)模型，并用hash表记录网络输出；利用扭曲光线的方法将多个神经辐射场模型组合渲染得到组合场景图像；增减模型并调整各项参数，再经过渲染实现场景构建。本发明优化了神经辐射场中的分层采样策略，并将神经辐射场烘焙入hash表，显著提升了神经辐射场的训练和渲染效率，通过扭曲光线并结合最大组合策略将多个模型组合起来，实现了场景的构建与编辑。