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！

龙图腾网获悉浙江大学申请的专利一种基于混合ANN-SNN架构的隐式三维重建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：CN117197344B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202311103124.8，技术领域涉及：G06T17/00；该发明授权一种基于混合ANN-SNN架构的隐式三维重建方法及系统是由郑乾;潘纲;廖展锋;刘彦设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于混合ANN-SNN架构的隐式三维重建方法及系统在说明书摘要公布了：本发明公开了一种基于混合ANN‑SNN架构的隐式三维重建方法及系统，在利用RGB图像进行三维重建过程中，采用以下步骤：1采用混合ANN‑SNN架构的网络构建神经辐射场，利用体素渲染的方式使用密度场和颜色场；2构建有界全精度IF神经元模型作为SNN的神经元模型，对输出上界进行约束，以降低三维重建损失；3训练过程中，在光度损失函数的基础上，使用额外的损失函数，从低频表面开始训练，同时增加脉冲阈值，以降低三维重建误差；4最终，利用训练好的神经辐射场得到新视角图像以及三维几何形状。利用本发明，在保证一般场景三维重建精度的情况下，也提升了特殊场景的重建精度。

本发明授权一种基于混合ANN-SNN架构的隐式三维重建方法及系统在权利要求书中公布了：1.一种基于混合ANN-SNN架构的隐式三维重建方法，其特征在于，在利用RGB图像进行三维重建过程中，采用以下步骤： 1采用混合ANN-SNN架构的网络构建神经辐射场，利用体素渲染的方式使用密度场和颜色场； 2构建有界全精度IF神经元模型作为SNN的神经元模型，对输出上界进行约束，以降低三维重建损失；构建有界全精度IF神经元模型具体为： 定义IF神经元的膜电位方程如下: ut+1＝ut+It+1-Vth·Θut+1-Vth It+1＝Wxt+1 其中，W表示连接的权重，t表示第t个时间步长，Vth表示神经元的脉冲阈值，Θ是一个阶跃函数，其定义为: 最后一层有界全精度IF神经元模型所采用的脉冲神经元为： 其中，k和r表示可学习脉冲神经元参数，通过增大k允许更大的阈值，通过增大r使函数更接近全精度IF神经元； 对输出上界进行约束具体为：其中o为最后一层密度场的输出； 3训练过程中，在光度损失函数的基础上，使用额外的损失函数，从低频表面开始训练，同时增加脉冲阈值，以降低三维重建误差；额外的损失函数包括： 阈值损失函数，通过逐步增加阈值降低重建损失，提升重建精度；阈值损失定义为： 光滑损失函数，使网络从低频的光滑表面开始训练，保证最后的高频信息正确，提升重建精度； 4最终，利用训练好的神经辐射场得到新视角图像以及三维几何形状。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。