一种通过利用点云增强3D场景描述的文本生成方法

本发明公开了一种通过利用点云增强3D场景描述的文本生成方法。首先使用Blender捕捉3D模型的多个视角，并由BLIP2生成对应视角的描述文本；然后通过点云融合进行文本过滤；最后将筛选后的文本与点云数据相结合，利用点云数据的空间结构信息提高生成文本的丰富度，通过大型多模态语言模型生成最终的描述文本。本发明将3D点云数据添加到了文本生成流程中，为文本的生成提供了更加丰富的空间信息和全局信息，有效解决了现有方法中利用2D数据所造成的描述文本质量欠佳、语义信息匮乏的问题。通过优化提示词和数据处理流程，本发明显著提升了生成文本的质量，提供了更为丰富且精准的三维对象文本对。