基于视频的三维场景构建方法、装置、设备及介质

本发明涉及三维场景构建技术领域，可应用于金融科技和医疗健康领域，公开了一种基于视频的三维场景构建方法、装置、设备及介质，包括：通过对输入的原始视频按固定间隔采样提取关键视频帧，并提取所述关键视频帧的语义特征；对所述语义特征进行归一化处理得到归一语义特征，并将所述归一语义特征注入扩散模型的每一网络层；根据所述关键视频帧通过表面法线预测模型生成法线预测视频，其中，所述表面法线预测模型以所述扩散模型为基座，且插入了可增加所述法线预测视频连贯性的增强模块；根据所述法线预测视频及所述原始视频生成三维动态场景。实现了低成本且高效率地构建三维动态场景，不仅如此，还可输出高质量的三维动态场景。