公开(公告)号：CN113196296B

公开(公告)日：2024-09-27

申请号：CN201980082636.6

申请日：2019-12-10

Applicant: 微软技术许可有限责任公司

Inventor： I·查克拉博蒂 ,  华刚

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06V40/10 ,  G06V40/20

Abstract: 计算系统被配置为训练对象分类器。接收针对场景的单目图像数据以及地面真值数据。确定几何上下文，该几何上下文包括相对于固定平面的三维相机位置。在所述图像数据内标识感兴趣区域(RoI)以及潜在遮挡物集合。针对每个潜在遮挡物，遮挡区被投影到三维中的所述固定平面。针对每个遮挡区，生成在所述固定平面上的遮挡的RoI集合。每个遮挡的RoI被投影回到二维中的所述图像数据。分类器通过以下操作而被训练：最小化损失函数，该损失函数通过将与所述RoI和遮挡的RoI有关的信息输入分类器而生成；以及基于所述地面真值数据，最小化所述集合中的每个RoI和每个遮挡的RoI在所述固定平面上的位置误差。然后，将经训练的分类器输出以用于对象检测。

公开(公告)号：CN110097606B

公开(公告)日：2023-07-07

申请号：CN201810082732.8

申请日：2018-01-29

Applicant: 微软技术许可有限责任公司

Inventor： 陈栋 ,  闻芳 ,  华刚 ,  鲍建敏

IPC: G06T11/00 ,  G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 根据本公开的实现，提出了一种用于面部合成的方案。在该方案中，关于第一用户的面部的第一图像和关于第二用户的面部的第二图像被获取。从第一图像中提取表征第一用户的身份的第一特征。从第二图像中提取表征第二图像的多个属性的第二特征，其中多个属性不包括第二用户的身份。然后，基于第一特征和第二特征来生成关于第一用户的面部的第三图像，第三图像体现第一用户的身份和第二图像的多个属性。根据本公开的面部合成方案能够对任何身份的面部图像进行基于身份保留的图像合成，而不管具有该身份的人物的面部图像是否存在于训练数据集中。此外，在训练用于进行上述面部合成的模型时，该方案不需要对除人物身份之外的任何其他属性进行标注。

公开(公告)号：CN108205813B

公开(公告)日：2022-06-03

申请号：CN201611170887.4

申请日：2016-12-16

Applicant: 微软技术许可有限责任公司

Inventor： 华刚 ,  袁路 ,  廖菁 ,  陈冬冬

IPC: G06T11/00 ,  G06N3/08

Abstract: 根据本公开内容的实现，提出了一种基于学习网络的图像风格化的方案。在该方案中，利用多个图像以及具有特定纹理风格的参考图像来训练学习网络。该学习网络的多个不同子网络被分别训练。具体地，一个子网络被训练为实现从源图像提取一个或多个特征图并且将被施加有纹理风格的特征图变换成目标图像。每个特征图指示源图像的一部分特征信息。另一子网络被训练为将指定的纹理风格施加于提取的特征图，从而使得基于处理后的特征图生成的目标图像能够体现指定的纹理风格。

公开(公告)号：CN113906478A

公开(公告)日：2022-01-07

申请号：CN202080040870.5

申请日：2020-04-17

Applicant: 微软技术许可有限责任公司

Inventor： M·D·迪克希特 ,  刘博 ,  华刚

IPC: G06T17/00 ,  G06T5/50 ,  G06T7/73

Abstract: 公开了涉及用于合成对象的新颖姿态的计算设备和方法的示例。一个示例提供了一种方法，该方法包括接收与原始视点相对应的对象的参考图像。所述对象的所述参考图像被转换为所述对象的深度图，并且与所述对象的新深度图被合成以对应于新视点。基于所述对象的所述新深度图和所述对象的所述参考图像，从所述新的视点生成所述对象的新图像。

公开(公告)号：CN108734749A

公开(公告)日：2018-11-02

申请号：CN201710262471.3

申请日：2017-04-20

Applicant: 微软技术许可有限责任公司

Inventor： 廖菁 ,  袁路 ,  华刚 ,  江胜明

IPC: G06T11/00 ,  G06T15/04 ,  G06T15/20 ,  G06T3/00

CPC classification number: G06T11/001

Abstract: 根据本公开的实现，提出了一种用于图像的视觉风格转换的方案。在该方案中，第一源图像的第一组特征图和第二源图像的第二组特征图被提取。第一组特征图中的特征图表征第一源图像的第一视觉风格的相应维度的至少一部分，并且第二组特征图中的特征表征第二源图像的第二视觉风格的相应维度的至少一部分。基于第一组特征图和第二组特征图，确定从第一源图像到第二源图像的第一映射。基于第一映射和第二源图像来变换第一源图像以生成至少部分地具有第二视觉风格的第一目标图像。通过该方案，实现了在特征空间中有效地将一个源图像的视觉风格施加到另一个源图像。

公开(公告)号：CN108205813A

公开(公告)日：2018-06-26

申请号：CN201611170887.4

申请日：2016-12-16

Applicant: 微软技术许可有限责任公司

Inventor： 华刚 ,  袁路 ,  廖菁 ,  陈冬冬

IPC: G06T11/00 ,  G06N3/08

CPC classification number: G06T11/001

Abstract: 根据本公开内容的实现，提出了一种基于学习网络的图像风格化的方案。在该方案中，利用多个图像以及具有特定纹理风格的参考图像来训练学习网络。该学习网络的多个不同子网络被分别训练。具体地，一个子网络被训练为实现从源图像提取一个或多个特征图并且将被施加有纹理风格的特征图变换成目标图像。每个特征图指示源图像的一部分特征信息。另一子网络被训练为将指定的纹理风格施加于提取的特征图，从而使得基于处理后的特征图生成的目标图像能够体现指定的纹理风格。