[发明专利]一种正则化的图像渲染方法及装置

权利要求书

1.一种正则化的图像渲染方法，其特征在于，所述方法包括：

获取场景图像序列；

获取所述场景图像序列的对应场景中的坐标点的位置信息；

将所述坐标点的位置信息输入至神经网络模型进行训练，以得到采样点的颜色，所述神经网络模型的总损失函数与颜色损失函数、正则化损失函数、散度损失函数有关；

对所述采样点的颜色积分，以得到新视角图像渲染结果；

所述正则化损失函数的公式具体如下：

其中，L_reg是正则化损失函数，c_i是第一采样点到相机的距离，c_j是第二采样点到相机的距离，c_i+1是光线上位于所述第一采样点后一个单位长度的采样点到相机的距离，c_j+1是光线上位于所述第二采样点后一个单位长度的采样点到相机的距离，w_i是所述第一采样点的神经网络模型权重，w_j是所述第二采样点的神经网络模型权重。

2.根据权利要求1所述的方法，其特征在于，所述总损失函数的公式具体如下：

L_total＝L_rgb+α_step1*L_reg+α_step2*L_js

其中，L_total是总损失函数，L_rgb是颜色损失函数，α_step1是第一损失权重，L_reg是正则化损失函数，α_step2是第二损失权重，L_js是散度损失函数。

3.根据权利要求1所述的方法，其特征在于，所述颜色损失函数的公式具体如下：

其中，L_rgb是颜色损失函数，x是所述坐标点沿着视角方向发射的颜色值。

4.根据权利要求1所述的方法，其特征在于，所述获取场景图像序列，包括：

获取原始场景图像序列；

将所述原始场景图像序列中的场景图像依次输入至神经网络模型中，以获取所述场景图像的特征值；

判断任意两个所述特征值之间的欧氏距离是否小于第一预设阈值；

若是，则删除所述两个所述特征值中的任意一个特征值对应的场景图像，以获取第一轮筛选后的场景图像序列；

对所述第一轮筛选后的场景图像序列中的场景图像进行质量评估；

判断所述场景图像的质量是否小于第二预设阈值；

若是，则删除所述场景图像，以获取第二轮筛选后的场景图像序列。

5.根据权利要求1所述的方法，其特征在于，所述获取所述场景图像序列的对应场景中的坐标点的位置信息，包括：

基于所述场景图像序列，通过运动结构恢复方法获取所述场景图像序列的对应场景中的坐标点的位置信息。

6.一种正则化的图像渲染装置，其特征在于，所述装置包括：序列模块、位置模块、训练模块、渲染模块；

所述序列模块，用于获取场景图像序列；

所述位置模块，用于获取所述场景图像序列的对应场景中的坐标点的位置信息；

所述训练模块，用于将所述坐标点的位置信息输入至神经网络模型进行训练，以得到采样点的颜色，所述神经网络模型的总损失函数与颜色损失函数、正则化损失函数、散度损失函数有关；

所述渲染模块，用于对所述采样点的颜色积分，以得到新视角图像渲染结果；

所述正则化损失函数的公式具体如下：

其中，L_reg是正则化损失函数，c_i是第一采样点到相机的距离，c_j是第二采样点到相机的距离，c_i+1是光线上位于所述第一采样点后一个单位长度的采样点到相机的距离，c_j+1是光线上位于所述第二采样点后一个单位长度的采样点到相机的距离，w_i是所述第一采样点的神经网络模型权重，w_j是所述第二采样点的神经网络模型权重。