一种融合熵编码和神经符号距离场的高效建图方法

本发明公开了一种融合熵编码和神经符号距离场的高效建图方法。本发明使用多层感知机网络预测场景的符号距离场。引入了参数量化和熵编码方法，通过将网络参数量化为整数并使用神经网络建模其概率分布，进而结合熵编码，在训练神经网络的同时减少模型参数量。设计了熵损失函数，将网络模型参数的信息熵作为约束嵌入神经符号距离场训练过程中，用一个统一的优化框架实现重建精度与模型压缩率的动态平衡。该方法能够在保证高质量场景重建的同时，显著降低内存占用，为大规模场景的三维重建提供了高效解决方案。