CN115294284A - 一种保障生成模型唯一性的高分辨率三维模型生成方法 - Google Patents
一种保障生成模型唯一性的高分辨率三维模型生成方法 Download PDFInfo
- Publication number
- CN115294284A CN115294284A CN202211224274.XA CN202211224274A CN115294284A CN 115294284 A CN115294284 A CN 115294284A CN 202211224274 A CN202211224274 A CN 202211224274A CN 115294284 A CN115294284 A CN 115294284A
- Authority
- CN
- China
- Prior art keywords
- resolution
- dimensional model
- neural network
- algorithm
- generated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 abstract description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/36—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes
- G06Q20/367—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using electronic wallets or electronic money safes involving electronic purses or money safes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种保障生成模型唯一性的高分辨率三维模型生成方法,包括如下步骤:步骤一、通过体素堆叠进行三维建模,创作低分辨率三维模型M1;步骤二、获得用户信息B;步骤三、通过哈希算法F对用户信息B进行编码,得到哈希值H;步骤四、得到生成式神经网络算法C1;步骤五、将低分辨率三维模型M1生成为高分辨率三维模型M2;步骤六、将生成的高分辨率三维模型M2上传至支持智能合约与非同质化代币的区块链系统。本发明能够保障用户生成的高分辨率三维模型的唯一性;本发明的适用性极强,能够适用于所有卷积神经网络架构中,保障所有用户生成的所有高分辨率三维模型都唯一且确权。
Description
技术领域
本发明涉及三维模型生成方法,特别涉及一种保障生成模型唯一性的高分辨率三维模型生成方法。
背景技术
随着元宇宙、虚拟现实等技术的突破,在三维虚拟世界中进行三维建模已经成为具有现实意义的用户需求。更重要的,基于区块链技术,用户可以通过非同质化代币的形式持有其所创建的数字资产。但是,现有的三维模型编辑器主要存在以下两个问题:(1)无法保障用户创作的三维模型在元宇宙应用中的唯一性;(2)难以平衡三维模型编辑器的自由度与用户使用该编辑器的学习成本。
由于在区块链技术的加持下,用户可以通过非同质化代币的形式持有数字资产,所以用户的数字资产也成为了用户身份、个性、经历的直观体现,因此用户往往希望该数字资产在其适用范围内是独二无一的,仅属于该用户的。然而,由于区块链的开源、透明等特性,导致其他用户可以通过复现和抄袭等方式获得一模一样的数字资产,因此可以被视为是对该数字资产所有权的一种破坏。目前,国内外现有的三维模型编辑器都无法保障用户创作出的三维模型的唯一性,也鲜有学者针对这个问题进行相关研究。
发明内容
本发明的目的是克服现有技术中的不足,提供一种保障生成模型唯一性的高分辨率三维模型生成方法。
为了达到上述目的,本发明是通过以下技术方案实现的:
一种保障生成模型唯一性的高分辨率三维模型生成方法,包括如下步骤:
步骤一、通过体素堆叠进行三维建模,创作低分辨率三维模型M1;
步骤二、通过连接数字货币钱包,获得用户信息B;
步骤三、通过哈希算法F对用户信息B进行编码,得到哈希值H;
步骤四、使用哈希值H,采用生成式神经网络算法C进行卷积核数值计算,得到生成式神经网络算法C1;
步骤五、使用生成式神经网络算法C1,将低分辨率三维模型M1生成为高分辨率三维模型M2;
步骤六、将生成的高分辨率三维模型M2上传至支持智能合约与非同质化代币的区块链系统,从而保障高分辨率三维模型M2的用户所有权。
作为优选,哈希算法F包括SHA-256算法、MD5算法。
作为优选,生成式神经网络算法C为DECOR-GAN,DECOR-GAN是一种能够将低分辨率体素模型转化为高分辨率体素模型的神经网络算法,但是本专利所提到的内容可以用于任何基于神经网络的三维模型生成算法,DECOR-GAN只是其中一个。
作为优选,哈希值H设定为m位。
作为优选,所述采用生成式神经网络算法C进行卷积核数值计算的步骤为:首先选定其中某一卷积层(任意一个,但是,如果希望更好地保障生成模型的唯一性与随机性,选择卷积层中卷积核较多的层会有更好的效果,如卷积核个数大于256),假设该层具有n个卷积核;如果n小于m,则取哈希值H的前n位,如果n大于m,则重复哈希值H多次直至大于n位,并取该值的前n位,此n位编码值命名为D;然后对卷积层的每个卷积核进行编号,从0至n-1;然后将通过哈希值H取到的n位编码值D一一对应到每个卷积核上,如果D的第i位值为0,则把第i个卷积核的所有值赋为0,从而得到生成式神经网络算法C1。
作为优选,用户信息B为若干种能够使用哈希算法F进行编码的数字化用户信息,且为该用户的唯一信息。
作为优选,用户信息B包括以太坊地址和用户创建三维模型时的时间戳。
作为优选,所述智能合约为solidity合约。
作为优选,体素堆叠为用户在编辑器中对某一个(任意一个面,只要不超出分辨率限制范围即可)体素方块的某一个面(任意一个面,只要不超出分辨率限制范围即可)或编辑器附带的层级方块的某一个面进行点击,然后将在对应位置生成一个新的体素方块。
作为优选,连接数字货币钱包是通过调用开源库来进行数字货币钱包连接。
本发明的有益效果如下:本发明通过生成式神经网络算法简化了用户构建复杂三维建模的过程,用户仅需堆叠体素方块即可获得复杂的高分辨率三维模型;由于哈希算法具有抗哈希碰撞特性,即极难找到两个能够得到相同哈希值输出的不同哈希算法输入,因此本发明能够保障用户生成的高分辨率三维模型的唯一性;本发明的适用性极强,能够适用于所有卷积神经网络架构中,因此还可以保障二维图像生成过程中的唯一性;使用本发明作为编辑器的元宇宙虚拟世界中,所有用户生成的所有高分辨率三维模型都唯一且确权。
附图说明
图1为本发明的方法流程图;
图2为简化版的生成式神经网络算法示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案作进一步说明:
如图1所示,一种保障生成模型唯一性的高分辨率三维模型生成方法,包括如下步骤:
步骤一、通过体素堆叠进行三维建模,创作低分辨率三维模型M1;
步骤二、通过连接数字货币钱包,获得用户信息B;用户信息B为若干种能够使用哈希算法F进行编码的数字化用户信息,且为该用户的唯一信息,用户信息B包括以太坊地址和用户创建三维模型时的时间戳。
步骤三、通过哈希算法F对用户信息B进行编码,得到哈希值H,哈希算法F包括SHA-256算法、MD5算法。
步骤四、使用哈希值H,采用生成式神经网络算法C进行卷积核数值计算,得到生成式神经网络算法C1;
步骤五、使用生成式神经网络算法C1,将低分辨率三维模型M1生成为高分辨率三维模型M2;
步骤六、将生成的高分辨率三维模型M2上传至支持智能合约与非同质化代币的区块链系统,从而保障高分辨率三维模型M2的用户所有权。智能合约为solidity合约。
体素堆叠为用户在编辑器中对某一个体素方块的某一个面或编辑器附带的层级方块的某一个面进行点击,然后将在对应位置生成一个新的体素方块。
连接数字货币钱包是通过调用开源库来进行数字货币钱包连接。连接数字货币钱包的方式有多种,以MetaMask为例,可以调用开源库WalletConnect中已经实现的方法来进行钱包连接,该库支持多种编程语言与平台,包括Kotlin、Unity等。
生成式神经网络算法C为DECOR-GAN。生成式神经网络算法C可以基于多种能够将低分辨率的三维模型生成为高分辨率的三维模型的神经网络算法,如DECOR-GAN等。
哈希值H设定为m位,采用生成式神经网络算法C进行卷积核数值计算的步骤为:首先选定其中某一卷积层,假设该层具有n个卷积核;如果n小于m,则取哈希值H的前n位,如果n大于m,则重复哈希值H多次直至大于n位,并取该值的前n位,此n位编码值命名为D;然后对卷积层的每个卷积核进行编号,从0至n-1;然后将通过哈希值H取到的n位编码值D一一对应到每个卷积核上,如果D的第i位值为0,则把第i个卷积核的所有值赋为0,从而得到生成式神经网络算法C1。
假设该哈希值H具体为256位;使用一个生成式神经网络算法C,选定其中某一卷积层,假设该层具有n个卷积核;如果n小于256,则取哈希值H的前n位,如果n大于256,则重复哈希值H多次直至大于n位,并取该值的前n位,此n位编码值命名为D;对卷积层的每个卷积核进行编号,从0至n-1;将通过哈希值H取到的n位编码值D一一对应到每个卷积核上,如果D的第i位值为0,则把第i个卷积核的所有值赋为0,得到生成式神经网络算法C1;将用户创作的低分辨率三维模型M1通过生成式神经网络算法C1生成高分辨率三维模型M2,由于每位用户所提供的用户信息不通,因此哈希值H也不同,所以生成式神经网络算法C1对于每位用户来说也是独一无二的,从而保障了生成的高分辨率三维模型M2的唯一性。
如图2所示,该图为一个简化版的生成式神经网络算法示意图,用以对发明内容中所述的技术方案进行进一步解释。假设生成式神经网络算法C中有特征层i和特征层i+1,该层的卷积核总个数为8个,实际应用中卷积核总个数远大于8个,在此仅为详细解释而做简化,因此,需要通过哈希值H获得的编码值D的位数也应该为8位;图2中假设D的值为“01000101”,因此,按照发明内容中所述的技术方案,将通过哈希值H取到的n位编码值D一一对应到每个卷积核上,如果D的第i位值为0,则把第i个卷积核的所有值赋为0,卷积核0、卷积核2、卷积核3、卷积核4、卷积核6的值应赋为0,从而得到了新的生成式神经网络算法C1,该生成式神经网络算法C1将用于高分辨率三维模型的生成。由于编码值D取决于用户信息的哈希值H,哈希值H对不同用户是唯一的,因此不同用户的编码值D也是唯一的,所以生成式神经网络算法C1也是唯一的,从而可以保障用户通过生成式神经网络算法C1 生成的高分辨率三维模型M2的唯一性。
本发明通过生成式神经网络算法简化了用户构建复杂三维建模的过程,用户仅需堆叠体素方块即可获得复杂的高分辨率三维模型;由于哈希算法具有抗哈希碰撞特性,即极难找到两个能够得到相同哈希值输出的不同哈希算法输入,因此本发明能够保障用户生成的高分辨率三维模型的唯一性;本发明的适用性极强,能够适用于所有卷积神经网络架构中,因此还可以保障二维图像生成过程中的唯一性;使用本发明作为编辑器的元宇宙虚拟世界中,所有用户生成的所有高分辨率三维模型都唯一且确权。
需要注意的是,以上列举的仅是本发明的一种具体实施例。显然,本发明不限于以上实施例,还可以有许多变形,总之,本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (10)
1.一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,包括如下步骤:
步骤一、通过体素堆叠进行三维建模,创作低分辨率三维模型M1;
步骤二、通过连接数字货币钱包,获得用户信息B;
步骤三、通过哈希算法F对用户信息B进行编码,得到哈希值H;
步骤四、使用哈希值H,采用生成式神经网络算法C进行卷积核数值计算,得到生成式神经网络算法C1;
步骤五、使用生成式神经网络算法C1,将低分辨率三维模型M1生成为高分辨率三维模型M2;
步骤六、将生成的高分辨率三维模型M2上传至支持智能合约与非同质化代币的区块链系统,从而保障高分辨率三维模型M2的用户所有权。
2.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述哈希算法F包括SHA-256算法、MD5算法。
3.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述生成式神经网络算法C为DECOR-GAN。
4.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述哈希值H设定为m位。
5.根据权利要求4所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述采用生成式神经网络算法C进行卷积核数值计算的步骤为:首先选定其中某一卷积层,假设该层具有n个卷积核;如果n小于m,则取哈希值H的前n位,如果n大于m,则重复哈希值H多次直至大于n位,并取该值的前n位,此n位编码值命名为D;然后对卷积层的每个卷积核进行编号,从0至n-1;然后将通过哈希值H取到的n位编码值D一一对应到每个卷积核上,如果D的第i位值为0,则把第i个卷积核的所有值赋为0,从而得到生成式神经网络算法C1。
6.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述用户信息B为若干种能够使用哈希算法F进行编码的数字化用户信息,且为该用户的唯一信息。
7.根据权利要求6所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述用户信息B包括以太坊地址和用户创建三维模型时的时间戳。
8.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述智能合约为solidity合约。
9.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述体素堆叠为用户在编辑器中对某一个体素方块的某一个面或编辑器附带的层级方块的某一个面进行点击,然后将在对应位置生成一个新的体素方块。
10.根据权利要求1所述的一种保障生成模型唯一性的高分辨率三维模型生成方法,其特征在于,所述连接数字货币钱包通过调用开源库来进行数字货币钱包连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224274.XA CN115294284B (zh) | 2022-10-09 | 2022-10-09 | 一种保障生成模型唯一性的高分辨率三维模型生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224274.XA CN115294284B (zh) | 2022-10-09 | 2022-10-09 | 一种保障生成模型唯一性的高分辨率三维模型生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115294284A true CN115294284A (zh) | 2022-11-04 |
CN115294284B CN115294284B (zh) | 2022-12-20 |
Family
ID=83834592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211224274.XA Active CN115294284B (zh) | 2022-10-09 | 2022-10-09 | 一种保障生成模型唯一性的高分辨率三维模型生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294284B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051278A (zh) * | 2022-12-01 | 2023-05-02 | 北京中科深智科技有限公司 | 一种基于区块链数字人捏造和鉴权使用与交易的方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067020A (zh) * | 2016-12-30 | 2017-08-18 | 腾讯科技(上海)有限公司 | 图片识别方法及装置 |
CN108022212A (zh) * | 2017-11-24 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 高分辨率图片生成方法、生成装置及存储介质 |
CN109947963A (zh) * | 2019-03-27 | 2019-06-28 | 山东大学 | 一种基于深度学习的多尺度哈希检索方法 |
CN110390638A (zh) * | 2019-07-22 | 2019-10-29 | 北京工商大学 | 一种高分辨率三维体素模型重建方法 |
CN110704664A (zh) * | 2019-08-28 | 2020-01-17 | 宁波大学 | 一种哈希检索方法 |
CN110889373A (zh) * | 2019-11-27 | 2020-03-17 | 中国农业银行股份有限公司 | 基于区块链的身份识别方法、信息保存方法及相关装置 |
CN111325835A (zh) * | 2020-03-31 | 2020-06-23 | 浙江隐齿丽医学技术有限公司 | 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法 |
WO2020125839A1 (de) * | 2018-12-18 | 2020-06-25 | GRID INVENT gGmbH | Elektronisches element und elektrisch angesteuertes anzeigeelement |
CN111341420A (zh) * | 2020-02-21 | 2020-06-26 | 四川大学 | 基于全心七维模型的心血管影像识别系统及方法 |
CN111597367A (zh) * | 2020-05-18 | 2020-08-28 | 河北工业大学 | 基于视图和哈希算法的三维模型检索方法 |
CN111798068A (zh) * | 2020-07-22 | 2020-10-20 | 南京纯白矩阵科技有限公司 | 一种基于区块链底层的数字孪生系统 |
US20210090449A1 (en) * | 2019-09-23 | 2021-03-25 | Revealit Corporation | Computer-implemented Interfaces for Identifying and Revealing Selected Objects from Video |
CN112949636A (zh) * | 2021-03-31 | 2021-06-11 | 上海电机学院 | 一种车牌超分辨率识别方法、系统及计算机可读介质 |
US20210192505A1 (en) * | 2017-11-08 | 2021-06-24 | Wei Xu | Codechain-based models, apparatuses, systems, methods, and applications of the same |
CN113449612A (zh) * | 2021-06-15 | 2021-09-28 | 燕山大学 | 一种基于子流型稀疏卷积的三维目标点云识别的方法 |
CN113496044A (zh) * | 2021-01-29 | 2021-10-12 | 十堰时风达工贸有限公司 | 一种基于区块链的电商物流管理系统及方法 |
CN113673374A (zh) * | 2021-08-03 | 2021-11-19 | 支付宝(杭州)信息技术有限公司 | 一种面部识别方法、装置及设备 |
CN114092705A (zh) * | 2021-10-26 | 2022-02-25 | 无锡学院 | 一种基于深度哈希检索的景点图像识别方法 |
CN114153548A (zh) * | 2021-12-15 | 2022-03-08 | 北京绵白糖智能科技有限公司 | 一种展示方法、装置、计算机设备及存储介质 |
CN114265994A (zh) * | 2021-12-15 | 2022-04-01 | 北京绵白糖智能科技有限公司 | 展示方法、装置、计算机设备及存储介质 |
CN114817888A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 证书登记和颁发方法、装置与存储介质 |
CN114998013A (zh) * | 2022-06-01 | 2022-09-02 | 湖南天河文链科技有限公司 | 基于nft的数字藏品交易方法和系统 |
CN114998548A (zh) * | 2022-05-31 | 2022-09-02 | 北京非十科技有限公司 | 一种图像重建的方法和系统 |
-
2022
- 2022-10-09 CN CN202211224274.XA patent/CN115294284B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067020A (zh) * | 2016-12-30 | 2017-08-18 | 腾讯科技(上海)有限公司 | 图片识别方法及装置 |
US20210192505A1 (en) * | 2017-11-08 | 2021-06-24 | Wei Xu | Codechain-based models, apparatuses, systems, methods, and applications of the same |
CN108022212A (zh) * | 2017-11-24 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 高分辨率图片生成方法、生成装置及存储介质 |
WO2020125839A1 (de) * | 2018-12-18 | 2020-06-25 | GRID INVENT gGmbH | Elektronisches element und elektrisch angesteuertes anzeigeelement |
CN109947963A (zh) * | 2019-03-27 | 2019-06-28 | 山东大学 | 一种基于深度学习的多尺度哈希检索方法 |
CN110390638A (zh) * | 2019-07-22 | 2019-10-29 | 北京工商大学 | 一种高分辨率三维体素模型重建方法 |
CN110704664A (zh) * | 2019-08-28 | 2020-01-17 | 宁波大学 | 一种哈希检索方法 |
US20210090449A1 (en) * | 2019-09-23 | 2021-03-25 | Revealit Corporation | Computer-implemented Interfaces for Identifying and Revealing Selected Objects from Video |
CN110889373A (zh) * | 2019-11-27 | 2020-03-17 | 中国农业银行股份有限公司 | 基于区块链的身份识别方法、信息保存方法及相关装置 |
CN111341420A (zh) * | 2020-02-21 | 2020-06-26 | 四川大学 | 基于全心七维模型的心血管影像识别系统及方法 |
CN111325835A (zh) * | 2020-03-31 | 2020-06-23 | 浙江隐齿丽医学技术有限公司 | 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法 |
CN111597367A (zh) * | 2020-05-18 | 2020-08-28 | 河北工业大学 | 基于视图和哈希算法的三维模型检索方法 |
CN111798068A (zh) * | 2020-07-22 | 2020-10-20 | 南京纯白矩阵科技有限公司 | 一种基于区块链底层的数字孪生系统 |
CN113496044A (zh) * | 2021-01-29 | 2021-10-12 | 十堰时风达工贸有限公司 | 一种基于区块链的电商物流管理系统及方法 |
CN112949636A (zh) * | 2021-03-31 | 2021-06-11 | 上海电机学院 | 一种车牌超分辨率识别方法、系统及计算机可读介质 |
CN113449612A (zh) * | 2021-06-15 | 2021-09-28 | 燕山大学 | 一种基于子流型稀疏卷积的三维目标点云识别的方法 |
CN113673374A (zh) * | 2021-08-03 | 2021-11-19 | 支付宝(杭州)信息技术有限公司 | 一种面部识别方法、装置及设备 |
CN114092705A (zh) * | 2021-10-26 | 2022-02-25 | 无锡学院 | 一种基于深度哈希检索的景点图像识别方法 |
CN114153548A (zh) * | 2021-12-15 | 2022-03-08 | 北京绵白糖智能科技有限公司 | 一种展示方法、装置、计算机设备及存储介质 |
CN114265994A (zh) * | 2021-12-15 | 2022-04-01 | 北京绵白糖智能科技有限公司 | 展示方法、装置、计算机设备及存储介质 |
CN114998548A (zh) * | 2022-05-31 | 2022-09-02 | 北京非十科技有限公司 | 一种图像重建的方法和系统 |
CN114998013A (zh) * | 2022-06-01 | 2022-09-02 | 湖南天河文链科技有限公司 | 基于nft的数字藏品交易方法和系统 |
CN114817888A (zh) * | 2022-06-27 | 2022-07-29 | 中国信息通信研究院 | 证书登记和颁发方法、装置与存储介质 |
Non-Patent Citations (1)
Title |
---|
陈永勇: "关于移动终端用户在云服务器上的加密图像搜索研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051278A (zh) * | 2022-12-01 | 2023-05-02 | 北京中科深智科技有限公司 | 一种基于区块链数字人捏造和鉴权使用与交易的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115294284B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | NTIRE 2023 challenge on efficient super-resolution: Methods and results | |
Lv et al. | BIM big data storage in WebVRGIS | |
CN104091301B (zh) | 一种基于MapReduce的瓦片金字塔并行构建方法 | |
Chen et al. | Saliency detection via the improved hierarchical principal component analysis method | |
CN115294284B (zh) | 一种保障生成模型唯一性的高分辨率三维模型生成方法 | |
US10810235B1 (en) | Efficient region identification using hierarchical geocoded information | |
CN110263043A (zh) | 数据存储方法、数据查询方法、装置及存储介质 | |
CN107341191A (zh) | 一种三维空间的多尺度整数化编码方法和装置 | |
CN106844288A (zh) | 一种随机字符串生成方法及装置 | |
CN107870673A (zh) | 基于ar技术的说明书实现方法 | |
CN115238568A (zh) | 一种数字孪生模型构建方法、装置及终端设备 | |
CN113902135A (zh) | 样本数据量联合扩充方法、装置、设备、系统及存储介质 | |
CN114328898A (zh) | 文本摘要生成方法及其装置、设备、介质、产品 | |
CN112598039A (zh) | 获取nlp分类领域阳性样本方法及相关设备 | |
Kohut et al. | Decomposition of Boolean Function Sets for Boolean Neural Networks | |
CN105225198A (zh) | 基于i码和cff码的抗合谋指纹编码方法 | |
CN114882178A (zh) | 一种基于rvm数据的3d工厂生成方法、系统、介质和设备 | |
Song | 3D virtual reality implementation of tourist attractions based on the deep belief neural network | |
Kong et al. | A modified variable neighborhood search algorithm for manufacturer selection and order acceptance in distributed virtual manufacturing network | |
Zou et al. | A New Approach to Newton‐Type Polynomial Interpolation with Parameters | |
Yang | Digital protection of ancient buildings based on BIM simulation technology | |
CN114863075B (zh) | 基于多传感器的消防疏散路径规划方法、装置、设备 | |
Dounas et al. | A crypto-twin framework for the AEC industry | |
CN116521805A (zh) | 一种基于剖分网格的空间轨迹存储、查询与生成方法 | |
Yang et al. | Three‐Dimensional Structure Analysis of Urban Landscape Based on Big Data Technology and Digital Technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |