-
公开(公告)号：CN113989102B
公开(公告)日：2023-01-06
申请号：CN202111217043.1
申请日：2021-10-19
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉技术领域，具体为一种具有高保形性的快速风格迁移方法。本发明首先通过精简的内容和风格编码器分别提取内容和风格特征，然后利用多层级自适应实例正则化根据风格特征风格化内容特征，最后通过精简的解码器完成风格化的特征到风格化图片的映射；本发明进一步通过提出的加权风格损失函数，来保证训练的过程中的平衡，从而促进全局和局部风格迁移。本发明方法不仅对风格的迁移到位，并且具有更优的保形性，而且计算量小，保证了高分辨的实时性。
-
公开(公告)号：CN113989102A
公开(公告)日：2022-01-28
申请号：CN202111217043.1
申请日：2021-10-19
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉技术领域，具体为一种具有高保形性的快速风格迁移方法。本发明首先通过精简的内容和风格编码器分别提取内容和风格特征，然后利用多层级自适应实例正则化根据风格特征风格化内容特征，最后通过精简的解码器完成风格化的特征到风格化图片的映射；本发明进一步通过提出的加权风格损失函数，来保证训练的过程中的平衡，从而促进全局和局部风格迁移。本发明方法不仅对风格的迁移到位，并且具有更优的保形性，而且计算量小，保证了高分辨的实时性。
-
公开(公告)号：CN112258561A
公开(公告)日：2021-01-22
申请号：CN201910659410.X
申请日：2019-07-22
Applicant: 复旦大学
Abstract: 本发明提供一种针对图像拼接的匹配点获取方法，用于在可检测特征不明显的情况下获取足够多的匹配点来完成图像拼接，其特征在于，包括如下步骤：步骤S1，获取待拼接的两张图像作为待拼接图像；步骤S2，将待拼接图像输入预设的卷积神经网络模型从而获取分别对应两张待拼接图像的特征图；步骤S3，利用预先建立的计算模型，并通过预定位方法以及细定位方法获取分别对应两张待拼接图像的特征图之间的匹配点；步骤S4，根据预先建立的定位模型将匹配点从特征图映射到待拼接图像中形成图像匹配点；步骤S5，根据图像匹配点完成待拼接图像的拼接。
-
公开(公告)号：CN112258561B
公开(公告)日：2023-08-25
申请号：CN201910659410.X
申请日：2019-07-22
Applicant: 复旦大学
Abstract: 本发明提供一种针对图像拼接的匹配点获取方法，用于在可检测特征不明显的情况下获取足够多的匹配点来完成图像拼接，其特征在于，包括如下步骤：步骤S1，获取待拼接的两张图像作为待拼接图像；步骤S2，将待拼接图像输入预设的卷积神经网络模型从而获取分别对应两张待拼接图像的特征图；步骤S3，利用预先建立的计算模型，并通过预定位方法以及细定位方法获取分别对应两张待拼接图像的特征图之间的匹配点；步骤S4，根据预先建立的定位模型将匹配点从特征图映射到待拼接图像中形成图像匹配点；步骤S5，根据图像匹配点完成待拼接图像的拼接。
-
-
-
Search Results
4
records
(took 0.017 seconds)
