公开(公告)号：CN111242003B

公开(公告)日：2022-05-27

申请号：CN202010024556.X

申请日：2020-01-10

Applicant: 南开大学

Inventor： 程明明 ,  顾宇超 ,  卢少平

IPC: G06V20/40 ,  G06V10/46 ,  G06V10/82 ,  G06V10/75 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度受约束自注意机制的视频显著性物体检测方法。该方法采用了受约束注意力机制，即度量询问元素和视频片段中若干帧在其周围约束区域的相似性生成注意力图，并通过该注意力图作为权重，加权收集若干帧在其周围约束区域的特征信息加强询问元素的特征。同时，利用多分支技术，使每个受约束注意力分支的采样在不同的尺度范围，构成的多尺度受约束自注意机制可以适用于不同尺度大小的输入。该方法成功地利用了视频片段中帧间元素间的视觉联系，从而解决了视频间显著性物体的运动建模。基于该方法构建的视频显著性目标检测系统可以达到极快的检测速度和较高的检测精度。

公开(公告)号：CN112884630A

公开(公告)日：2021-06-01

申请号：CN202110155224.X

申请日：2021-02-04

Applicant: 南开大学

Inventor： 卢少平 ,  王榕 ,  钟涛

IPC: G06T1/00 ,  G06N3/04

Abstract: 一种基于可逆神经网络的大容量图像隐写与恢复方法。该方法的目的是将一张或多张隐藏图像嵌入单张载体图像中，并从载密图像中恢复出所有的隐藏图像。该方法设计了一种可以双向映射的图像隐写模型。该模型由包含载体和隐藏两个分支的可逆模块级联而成，正向映射将隐藏图像嵌入到载体图像中合成载密图像，反向映射从单张载密图像中分离并恢复出载体图像和隐藏图像。该方法充分利用模型的可逆性，其正向隐写和反向恢复过程共享所有参数，不仅能够同时获得高质量的载密图像和恢复图像，且有效提高了隐写的容量。

公开(公告)号：CN111882486A

公开(公告)日：2020-11-03

申请号：CN202010570081.4

申请日：2020-06-21

Applicant: 南开大学

Inventor： 卢少平 ,  李森茂

IPC: G06T3/40

Abstract: 一种基于低秩先验信息的混合分辨率多视点视频超分辨方法，属于图像和视频处理技术领域。混合分辨率多视点视频是由多路多视点视频组成，包括多路低分辨率视频和多路高分辨率视频，所提出的超分辨率方法的目的是利用高分辨率视频的纹理等信息来重构低分辨率视频，同时将图像\视频的低秩先验作为约束条件。该方法提出了一种新的混合多视点超分辨的方法，该方法考虑到多视点视频间包含着许多相似的信息，该方法基于流形嵌入的思想充分利用高分辨率视频的纹理等信息，同时利用低秩先验信息来抑制噪声。该方法充分利用了高分辨率视频的纹理等信息，同时有效的抑制了噪声，有效地对低分辨率视频进行了重构。

公开(公告)号：CN110113593A

公开(公告)日：2019-08-09

申请号：CN201910499490.7

申请日：2019-06-11

Applicant: 南开大学

Inventor： 卢少平 ,  王榕

IPC: H04N13/161 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于卷积神经网络的宽基线多视点视频合成方法。该方法的目的是提取周围视点纹理图和深度图的特征并通过预测可分离的空间自适应卷积核进行多视点视频内容的合成。该方法设计了一种新的卷积神经网络模型。该模型用两个分支完成对深度图和纹理图特征的提取和融合，用一组独立的子网络进行可分离的空间自适应卷积核预测，最后将得到的卷积核与输入的纹理图作局部卷积完成视点合成。该方法合理利用深度信息引导自适应卷积核的预测，在宽基线和复杂场景下能够保持良好的效果。