本申请公开了一种基于深度强化学习的虚拟三维场景构建方法、装置及设备,可解决目前在生成虚拟三维场景时,存在成本高、技术复杂、难以大规模扩展的问题。包括:将与预设虚拟三维场景匹配的随机噪声输入神经网络模型,获取预设虚拟三维场景中所包含实例物体的参数预测值;以参数预测值作为迭代初值,对神经网络模型进行迭代训练,直至生成场景服从的概率分布逼近于真实场景服从的概率分布,判断神经网络模型训练完成;利用训练完成的神经网络模型确定目标虚拟三维场景下所包含目标实例物体的目标参数预测值,其中,目标虚拟三维场景为预设虚拟三维场景中的任意一种;根据目标参数预测值以及目标实例物体的预制体构建得到目标虚拟三维场景。
声明:
“基于深度强化学习的虚拟三维场景构建方法、装置及设备” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)