-
公开(公告)号：CN113706670A
公开(公告)日：2021-11-26
申请号：CN202110941707.2
申请日：2021-08-17
Applicant: 复旦大学
Abstract: 本发明提供一种生成动态三维人体网格模型序列的方法及装置，用于对三维点云序列进行处理，得到该序列中每一帧点云对应的带有衣服和头发的三维人体网格模型，其特征在于，包括以下步骤：骤S1，对预先获取的包括多个三维人体模型序列的数据集进行预处理得到训练样本；步骤S2，构建三维点云编码器；步骤S3，通过PCA得到预训练的线性层；步骤S4，构建姿态优化网络；步骤S5，构建深度解码网络；步骤S6，构建人体细节重建网络；步骤S7，构建损失函数；步骤S8，基于损失函数对三维模型生成模型进行训练，步骤S9，将单个三维点云序列输入训练完成的三维模型生成模型得到所有时刻对应的带有衣服和头发的人体网格模型序列并输出。
-
公开(公告)号：CN113112607A
公开(公告)日：2021-07-13
申请号：CN202110416920.1
申请日：2021-04-19
Applicant: 复旦大学
Abstract: 本发明提供了一种生成任意帧率的三维网格模型序列的方法及装置，属于三维计算机视觉领域，用于对稀疏的三维点云序列进行处理，得到该序列当中任意时刻所对应的三维网格模型，包括如下步骤：步骤S1，对预先获取的包括多个三维模型的三维模型数据集进行预处理得到训练样本；步骤S2，搭建三个三维点云特征提取网络；步骤S3，随机决定是否交换成对的三维点云序列的身份编码；步骤S4，搭建神经常微分方程网络；步骤S5，搭建深度解码网络；步骤S6，构建损失函数；步骤S7，基于损失函数对三维模型生成模型进行训练，步骤S8，将单个三维点云序列以及查询时刻T＝t输入训练完成的三维模型生成模型。
-
公开(公告)号：CN107491782B
公开(公告)日：2020-11-20
申请号：CN201710603221.1
申请日：2017-07-22
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体为利用语义空间信息的针对少量训练数据的图像分类方法。本发明利用语义空间信息联合自动编码器来扩增数据，从而在少量样本情况下获得更多有效的样本；利用这些扩增的数据训练一个基于深度神经网络的分类器；再将分类器网络与特征提取网络连接在一起训练，获得一个端到端的神经网络，实现给定一张图片，直接输出分类信息的功能。本发明使用数据扩增的方法来增加所拥有的数据，从而使得训练深度神经网络变的更加有效；算法是端到端的神经网络，所以只需要给出一张图片，就可以给出相应的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN107491782A
公开(公告)日：2017-12-19
申请号：CN201710603221.1
申请日：2017-07-22
Applicant: 复旦大学
CPC classification number: G06K9/6268 , G06K9/6256 , G06N3/04
Abstract: 本发明属于计算机图像处理技术领域，具体为利用语义空间信息的针对少量训练数据的图像分类方法。本发明利用语义空间信息联合自动编码器来扩增数据，从而在少量样本情况下获得更多有效的样本；利用这些扩增的数据训练一个基于深度神经网络的分类器；再将分类器网络与特征提取网络连接在一起训练，获得一个端到端的神经网络，实现给定一张图片，直接输出分类信息的功能。本发明使用数据扩增的方法来增加所拥有的数据，从而使得训练深度神经网络变的更加有效；算法是端到端的神经网络，所以只需要给出一张图片，就可以给出相应的分类结果。
-
公开(公告)号：CN114286103A
公开(公告)日：2022-04-05
申请号：CN202111597535.8
申请日：2021-12-24
Applicant: 复旦大学
IPC: H04N19/189 , H04N19/91 , H04N19/597
Abstract: 本发明提供一种基于深度学习的保留密度的点云压缩方法，用于在点云压缩过程中保留原始点云的密度从而生成高质量的重建点云，其特征在于，包括如下步骤：步骤S1，对预先获取的点云数据进行预处理从而得到训练样本；步骤S2，构建用于提取点云数据的几何信息与密度信息的编码器，并基于编码器获取点云特征；步骤S3，采用熵编码器对点云特征进行压缩；步骤S4，构建用于对点云特征进行上采样的解码器；步骤S5，构建损失函数；步骤S6，基于训练样本对由编码器、熵编码器以及解码器组成的点云压缩模型采用损失函数进行训练；步骤S7，将点云数据输入至训练好的点云压缩模型从而实现保留原始点云密度的点云压缩。
-
公开(公告)号：CN113496521A
公开(公告)日：2021-10-12
申请号：CN202010267560.9
申请日：2020-04-08
Applicant: 复旦大学
Abstract: 本发明提供一种利用多张彩色图片生成深度图像与相机外参的方法及装置，用于对多张不同视角的待处理二维彩色图片进行处理从而生成与各个视角相应的深度值图像结果与相机外部参数结果，其特征在于，包括如下步骤：步骤S1，对预先获取的三维场景数据集进行预处理从而得到训练数据；步骤S2，生成初始深度值图像和初始相机外部参数估计；步骤S3，构建图像特征提取网络；步骤S4，构建三维卷积神经网络；步骤S5，构建损失函数；步骤S6，基于损失函数对由图像特征提取网络以及三维卷积神经网络组成的场景三维信息生成模型进行训练；步骤S7，将多张待处理二维彩色图片与对应的相机内部参数输入场景三维信息生成模型从而生成深度值图像与相机外部参数。
-
公开(公告)号：CN113096234A
公开(公告)日：2021-07-09
申请号：CN201911335173.8
申请日：2019-12-23
Applicant: 复旦大学
Abstract: 本发明提供一种利用多张彩色图片生成三维网格模型的方法，用于基于形变推断对少量不同视角的彩色图片以及对应的相机参数进行处理从而生成相应的三维网格模型，其特征在于，包括如下步骤：步骤S1，对预先获取的三维模型数据集进行预处理从而得到训练样本；步骤S2，生成初始网格模板；步骤S3，构建用于提取所述二维图像的几何特征以及语义特征的图像特征提取网络；步骤S4，构建图卷积神经网络；步骤S5，构建损失函数；步骤S6，基于所述损失函数对由所述图像特征提取网络以及所述图卷积神经网络组成的三维模型生成模型进行训练；步骤S7，将多张所述彩色图片与对应的所述相机参数输入所述三维模型生成模型从而生成所述三维网格模型。
-
公开(公告)号：CN109147048B
公开(公告)日：2021-02-26
申请号：CN201810809452.2
申请日：2018-07-23
Applicant: 复旦大学
IPC: G06T17/20
Abstract: 本发明属于三维视觉技术领域，具体为一种利用单张彩色图重建物体三维网格模型的方法。本发明方法包括，对于图像，设计一个多层的全卷积特征网络，用于提取图片不同层次的特征；对于三维网格，设置一个初始椭球，用图神经网络表示，利用图片特征不断对椭球进行形变，以逼近真实形状；同时，设计投影层连接图像端和三维网格端，在此框架下训练一个端到端的神经网络，即给定一张彩色图，输出对应的三维网格模型。该方法具有三维建模结果光滑、完整并且细节丰富的优点，重建精度也得到了有效的提升，非常适合于在虚拟现实、动画游戏、生产制造等产业中的实际应用。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.03 seconds)
