-
公开(公告)号：CN109934902A
公开(公告)日：2019-06-25
申请号：CN201910188251.X
申请日：2019-03-13
Applicant: 南京大学
Abstract: 本发明公开了一种使用场景特征约束的梯度域渲染图像重构方法，包括：(1)采用梯度域渲染算法将待重构三维场景图像进行渲染，得到高噪声图像及梯度场；(2)从待重构三维场景图像中提取出场景特征；(3)以场景特征作为约束条件，求解目标优化函数，得到重构图像I*。本发明能够合理利用场景特征，指导重构过程，为梯度域渲染提供一种有效的后处理方法，使重构后图像噪声降到人类视觉可接受程度。
-
公开(公告)号：CN120031835A
公开(公告)日：2025-05-23
申请号：CN202510110268.9
申请日：2025-01-23
Applicant: 南京大学
Abstract: 发明涉及点云生成领域，公开一种基于部件分析和分解的多样性形状补全方法，步骤包括：将物体表示为抽象模板结构，通过深度学习网络预测和残缺点云匹配的模板结构参数，推导出物体的完整结构表示。对物体进行部件分解，获取各部件内部点在平面上的投影细节，将投影细节输入网络，生成各部件的实心的细节信息。进行三视图补全，结合对称零件的细节信息，推导得到物体完整部件细节。通过比较残缺和完整的三视图识别缺失区域，判断是否需要多样性生成。在完整的细节图中遮罩需要多样性生成的区域，进行图像到图像的扩散生成，得到多样化的完整细节三视图。根据三视图重建三维区域，得到对应的符号距离场，通过移动立方体算法获取水密的补全结果。
-
公开(公告)号：CN117409129A
公开(公告)日：2024-01-16
申请号：CN202311298753.0
申请日：2023-10-09
Applicant: 南京大学
IPC: G06T15/06 , G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于半监督学习的表面材质重建方法、装置及存储介质，本发明首先建立材质重建网络模型，所述材质重建网络模型包括编码器模块、特征组合门控循环模块、双分支模块、分支选择开关、特征融合门控循环模块和解码器模块，其次获取若干物体图像作为训练样本，将对应材质图像作为标签，输入材质重建网络模型进行训练；最后将待重建图像输入训练好的材质重建网络模型，得到物体的表面材质重建图像。本发明重建效果更好，成本更低。
-
公开(公告)号：CN116681824A
公开(公告)日：2023-09-01
申请号：CN202310603940.9
申请日：2023-05-26
Applicant: 南京大学
Abstract: 本发明公开了一种物体表面材质重建方法、装置及存储介质，本发明首先建立了材质重建网络模型，所述材质重建网络模型包括预处理模块、高光感知分支、标准卷积分支、拼接层、注意力机制结构、第一低秩适配器和第二低秩适配器；其次获取若干物体图像作为训练样本，将对应材质图像作为标签，输入材质重建网络模型进行训练；最后将待重建材质的图像输入训练好的材质重建网络模型，得到物体的表面材质重建图像。本发明性能更高，且不需要大量算力和数据就可以实现自行调优。
-
公开(公告)号：CN115239555A
公开(公告)日：2022-10-25
申请号：CN202210750172.5
申请日：2022-06-29
Applicant: 南京大学
Abstract: 本发明公开了一种使用辅助缓冲区的渲染内容超分方法、装置和设备，方法包括：(1)建立多尺度融合网络模型，包括RGB图像处理分支、G‑buffer处理分支和多尺度融合预测分支；(2)在渲染场景下生成若干包括低清RGB图像和对应高清G‑buffer图像的图像对作为样本，将在高分辨率下渲染生成的RGB图像作为样本标签，输入建立好的多尺度融合网络模型，进行网络训练；(3)将待超分的低清RGB图像和对应的高清G‑buffer图像输入训练好的多尺度融合网络模型，得到超分后的高清RGB图像。本发明效果更好。
-
Patent Agency Ranking
公开(公告)号：CN108986060A
公开(公告)日：2018-12-11
申请号：CN201810658877.8
申请日：2018-06-25
Applicant: 南京大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于稀疏与低秩矩阵分解的多幅图片反射光抑制方法，包括；(1)获取在不同角度对于同一场景拍摄得到的多个图像；(2)利用siftflow算法将多个图像对齐；(3)将参考图像P0划分为多个相同大小的patch；(4)对于每个patch，执行如下步骤：A、获取当前patch以及其他图像中与其相似的patch的RGB值形成的列向量，将所述列向量组成RGB矩阵；B、获取当前patch以及其他图像中与其相似的patch中每个像素的最小梯度值所形成的列向量，将所述列向量作为每列的列向量组成最小梯度矩阵；C、根据最小梯度矩阵和RGB矩阵进行稀疏矩阵与低秩矩阵分解；(5)将所有patch对应的低秩矩阵重组，得到抑制反射光后的图像。本发明图像处理效果更好。
-
公开(公告)号：CN108335351A
公开(公告)日：2018-07-27
申请号：CN201810075452.4
申请日：2018-01-26
Applicant: 南京大学
IPC: G06T15/50
Abstract: 本发明公开了一种基于定向统计分析的BRDF色域映射方法，包括：获取目标设备墨水的BRDF；提取目标设备墨水的漫反射率、高光反射率和散布矩阵；形成目标设备的BRDF色域；提取源BRDF的漫反射率、高光反射率和散布矩阵；根据设定的权重，采用二次规划法优化将源BRDF映射到目标设备的BRDF色域；得到最终BRDF映射结果。本发明计算简便、内存消耗低、允许用户通过调整权重进行自适应控制。
-
公开(公告)号：CN120013976A
公开(公告)日：2025-05-16
申请号：CN202510075291.9
申请日：2025-01-17
Applicant: 南京大学
IPC: G06T7/13 , G06T7/11 , G06V10/44 , G06V10/762 , G06V10/80 , G06V10/82 , G06V20/64 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于面片分割的点云边缘重建方法，包括以下步骤：步骤1：使用点云边缘重建网络对三维点云进行面片分割和边界点检测和法线预测；步骤2：对于每一对属于不同面片且相邻的边界点对，生成由两个点所构造的局部面片相交的直线段；步骤3：将生成的直线段用于拟合点云边缘，包括直线、圆、B样条曲线三种曲线边缘；步骤4：利用分割面片，检测每个平面的角点，并结合先前拟合边的端点一起获取具有拓扑结构的初始猜测线框；步骤5：利用拟合边对初始猜测线框进行优化，获取最终的点云边缘结果。
-
公开(公告)号：CN119399346A
公开(公告)日：2025-02-07
申请号：CN202411537195.3
申请日：2024-10-31
Applicant: 南京大学
IPC: G06T15/08 , G06N3/0499 , G06T7/70 , G06N3/0464 , G06N3/045 , G06T7/90
Abstract: 本发明提出了一种通用可控的基于空间感知的辐射场增强方法，包括：步骤1，获取训练数据；步骤2，根据训练数据生成光线与采样点；步骤3，构建神经辐射场混合模型；步骤4，将采样点的坐标和所述光线的方向输入步骤3中构建的所述神经辐射场混合模型中，计算每个采样点的体密度与颜色；步骤5，计算每条光线对应的像素的RGB颜色值；步骤6，根据每个采样点的体密度与颜色，以及每条光线对应的RGB颜色值，训练步骤3中构建的所述神经辐射场混合模型，得到训练好的神经辐射场混合模型；步骤7，使用训练好的神经辐射场混合模型，根据新视角的相机位姿，渲染该视角下的二维图片，完成通用可控的基于空间感知的辐射场增强。
-
公开(公告)号：CN118230090A
公开(公告)日：2024-06-21
申请号：CN202410323843.9
申请日：2024-03-21
Applicant: 南京大学
IPC: G06V10/774 , G06V10/82 , G06V10/46 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的文本生成材质贴图的优化方法及系统，本发明包括：获取无材质文本标注的第一图像数据集，并将编码生成数据与对应的图像一起作为样本，输入稳定扩散模型的U‑NET模型进行优化训练；获取含有材质文本标注的第二图像数据集，并将图像编码和加噪后的数据，以及图像的材质文本采用两种方式编码的文本嵌入数据作为样本，进行训练，将所述两种不同编码方式和训练好的Transformer解码器组合作为优化文本嵌入生成模块；将隐空间特征解码器进行扩充并训练，作为优化隐空间特征解码器；将优化后的各模块分别替换稳定扩散模型中对应模块，得到优化后的材质贴图生成模型；将待生成贴图的材质文本输入优化后的材质贴图生成模型，得到材质贴图。本发明泛化性更高。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.039 seconds)
