更新时间：2026-08-18 00:04:20
已登记
详细信息
-
知识产权名称
基于人工智能的手绘草图驱动三维建模数据
-
登记编号
DIP2024000015606
-
申请人
湖州创感科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-14 11:16:32
详细信息
-
所属行业
制造业
-
交易状态
待交易
-
数据规模
7864
-
更新频次
按需更新
-
应用场景
随着人工智能和计算机视觉技术的不断发展，手绘草图驱动的三维建模已成为一种新兴的建模方式。该技术能够将用户手绘的草图转化为三维模型，广泛应用于快速原型设计、工业设计、游戏开发以及虚拟现实等领域。通过人工智能算法，尤其是深度学习模型，可以在草图与三维空间之间建立映射关系，极大地提高建模效率和精准度，提供更高质量的三维建模。
-
算法规则简要说明
数据收集：收集包含手绘草图的图像数据与对应的三维建模数据。草图数据，不同绘画水平人工绘制的三维模型草图数据。相机视角，绘制过程中记录描述草图中三维模型的空间投影位置。体素真值，三维模型的体素真值数据。 数据预处理：在数据预处理阶段，首先对草图图像进行标准化，确保图像尺寸一致，并进行噪声去除。相机视角信息将转换为合适的旋转矩阵和投影矩阵，作为模型输入的几何信息。体素真值数据将被转换为体积数据格式，以便于与生成的3D模型进行对比和评估。 模型构建：基于深度神经网络（如卷积神经网络与生成对抗网络（GAN）结合的模型）构建一个草图到三维模型的生成框架。该框架包含以下几个主要步骤：特征提取、相机视角与空间映射、体素建模。公式如下：M=Decoder(Voxelize(Proj ^−1(CNN(S),V)))，其中S ：输入的二维草图，CNN(S)：使用卷积神经网络从草图中提取特征。Proj^−1:根据相机视角将草图特征投影到三维空间。Voxelize()：将三维空间中的点集转化为体素网格。Decoder()：解码体素网格，生成三维模型。平均CD（倒角距离）用于评估模型性能。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
