一种基于自监督条件扩散模型的点云补全方法及系统
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
一种基于自监督条件扩散模型的点云补全方法及系统
申请号:
CN202411684196
申请日期:
2024-11-22
公开号:
CN119599904B
公开日期:
2025-10-24
类型:
发明专利
摘要
本发明属于计算机视觉技术领域,提供了一种基于自监督条件扩散模型的点云补全方法及系统,包括:获取目标图像;分割所获取的目标图像,将目标图像的分割信息映射到点云空间,得到初步残缺点云;对所得到的初步残缺点云进行点云去噪处理;根据去噪后的初步残缺点云和采用多尺度特征融合机制的自监督条件扩散模型捕捉点云空间几何特征,推测补全缺失点云,生成完成的点云数据,完成基于自监督条件扩散模型的点云补全。
技术关键词
补全方法
多尺度特征融合
点云去噪
点云空间
分支
多层次特征融合
计算机视觉技术
机制
计算机程序产品
处理器
随机噪声
图像分割
异常点
数据
可读存储介质
模块
系统为您推荐了相关专利信息
1
基于协同变化一致性网络模型的无监督SAR变化检测方法
SAR变化检测方法
样本
编码器
分支
网络
2
基于多模态融合的轻量化输电终端隐患识别方法、装置、电子设备及存储介质
分支
文本
教师
跨模态
学生
3
一种基于深度学习的目标识别方法及系统
光照不变性特征
长波红外图像
识别方法
模型校准
可见光图像
4
基于图像识别的辅助还车方法、系统及相关设备
还车方法
取景界面
深度学习模型
辅助还车系统
字符识别
5
基于深度学习的可穿戴超声图像质量增强方法及系统
时间延迟补偿
高频特征
特征提取模块
分支
时域特征提取