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！

龙图腾网恭喜江西农业大学申请的专利基于扩散模型的多模态三维手部网格重建方法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：CN119152149B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411645849.4，技术领域涉及：G06T17/20；该发明授权基于扩散模型的多模态三维手部网格重建方法是由杨文姬;阙祥宇;谢丽萍;周珅;欧阳璐宇;缪兴洋设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于扩散模型的多模态三维手部网格重建方法在说明书摘要公布了：本发明属于人体姿态识别技术领域，公开了基于扩散模型的多模态三维手部网格重建方法，通过特征提取模型采集深度图和点云数据，并根据深度图和点云数据提取手部关节特征；将一个初始化的标准高斯分布的噪声连同提取到的手部关节特征一起输入扩散模型中进行迭代去噪，通过多次迭代逐步从噪声中恢复出手部关节位置；根据手部关节位置，通过网格重建模块重建三维手部网格。本发明基于彩色图像，通过融合深度图和三维点云数据，实现了高精度的三维手部网格重建，显著提升了手部姿态重建的速度和准确性。

本发明授权基于扩散模型的多模态三维手部网格重建方法在权利要求书中公布了：1.基于扩散模型的多模态三维手部网格重建方法，其特征在于，步骤如下：S1：特征提取模型采集深度图和点云数据，并根据深度图和点云数据提取手部关节特征；S2：将一个初始化的标准高斯分布的噪声连同提取到的手部关节特征一起输入扩散模型中进行迭代去噪，通过多次迭代逐步从噪声中恢复出手部关节位置；所述扩散模型包括采样层、并联去噪模块结构和细化层，并联去噪模块结构包括两条并联的去噪支路，每条支路包括串联的多个去噪模块，每个去噪模块由依次连接的自注意力、交叉注意力、卷积层、激活函数、多层感知机和池化层组成；采样层获取的特征进入并联去噪模块结构进行处理，并联去噪模块结构的输出进入细化层，细化层输出手部关节位置；在扩散模型的输入阶段，接收多模态特征输入，包括关节坐标分布、关节条件、二维局部特征、三维局部特征、以及时间步长，表示关节条件的特征通道数；将多模态特征输入传入采样层，在采样层中，利用K-邻近采样在关节坐标分布的邻域内选择二维局部特征和三维局部特征；对于每一个关节坐标，在其局部邻域内找到K个最近的点和对应的局部特征： ；这种邻近采样为每个关节位置提供了其周围的局部特征集合；接着，为了确保扩散模型在每一步迭代中都能正确识别关节的噪声特性，扩散模型引入了时间步控制机制，通过加入正弦位置嵌入和关节索引嵌入来实现这一目的： ；关节指示向量包含了时间步长和关节索引的编码信息，并作为额外输入加入扩散模型；然后，将局部特征、关节条件、关节指示向量和时间步长嵌入输入到卷积层，卷积层输出对应的关节特征，随后，将关节特征输入到激活函数，具体的表示如下： ；其中，表示卷积层输出的激活特征，代表关节特征经过卷积操作后生成的特征矩阵,是可训练权重，是关节之间的通道运动对应矩阵；之后，将卷积层输出的特征和时间步长嵌入，以及局部特征连接起来生成联合特征，然后输入多层感知机MLP中，生成联合局部特征，表示如下： ；其中，是更新后的特征表示，和分别为第个关节的第个局部邻居点的坐标和局部特征，表示从卷积层输出的每个关节的更新特征；通过MLP提取后为下一步去噪操作提供了更深层次的特征表示，PE是正弦位置嵌入函数；并联去噪模块结构，将单个去噪模块复制次，每两个去噪模块之间引入一个最大池化层，以逐步更新关节条件；对于第个去噪模块的输入，定义池化操作为： ；其中，表示第个去噪模块的输入，表示第次去噪模块的特征输出，MaxPool表示最大池化操作；在每两个去噪模块之间，还进行了交叉融合，将每个去噪模块的输出与其并联的去噪模块的输出进行结合，形成增强的特征表示，设去噪模块输出为和交叉融合特征，通过交叉连接实现以下特征增强： ；其中，为交叉融合特征；接着，将两个并联的去噪模块的最终输出进行级联操作，对齐特征以便后续处理；设两并联的去噪支路的最终输出为和，则级联操作可以表示为： ；其中，为联合特征；随后，这一联合特征将被输入到一个细化层中，进一步优化关节位置的估计；最后，将细化层输出的关节坐标再次输入扩散模型作为下一个去噪阶段的输入，从而逐渐收敛到精确的关节坐标： ；S3：根据手部关节位置，通过网格重建模块重建三维手部网格。

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江西农业大学，其通讯地址为：330000 江西省南昌市经济技术开发区志敏大道1101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”。