-
公开(公告)号：CN107341985B
公开(公告)日：2019-08-06
申请号：CN201710303931.2
申请日：2017-05-03
Applicant: 上海大学
IPC: G09B9/00
Abstract: 本发明提出了一种虚拟血管造影手术力反馈注射器装置，包括注射器力反馈机构、电源模块、微处理单元、步进电机驱动器，所述注射器力反馈机构包括注射器、气缸、步进电机、梯形丝杠、空气压强传感器、滑动电位器；电源模块包括直流电源、压降模块、电平转换模块。本发明用于模拟血管造影手术中造影剂注射过程中的注射状态和力觉感，解决了虚拟造影手术中血管造影过程中视觉和力觉协调的难题，手术精确度高，重复性好，可以缩短医生的培养周期，降低手术风险。
-
公开(公告)号：CN108304064A
公开(公告)日：2018-07-20
申请号：CN201810017818.2
申请日：2018-01-09
Applicant: 上海大学
Abstract: 本发明公开一种基于被动式光学动作捕捉的多人虚拟预演系统，它包括演员表演平台、多位演员身穿贴有多个标记点的动作捕捉服、动作捕捉摄像机、数据处理设备及数据显示设备；所述演员表演平台包括多位演员在配备动捕设备的指定场地内按照剧本预演；所述多位演员身穿贴有多个标记点的动作捕捉服用以准确定位人体各关节位置；所述动作捕捉摄像机选择若干台，采集多位演员的动作数据；所述数据处理设备处理采集到的演员动作数据，传输给所述数据显示设备；所述数据显示设备利用接收的动作数据驱动多个虚拟人物模型，实时显示在屏幕上，并以此建立演员动作数据库；借助虚拟引擎，依据剧本调用演员动作数据库中的数据，可为特效电影的预演做准备。
-
公开(公告)号：CN103955911A
公开(公告)日：2014-07-30
申请号：CN201410011571.5
申请日：2014-01-10
Applicant: 上海大学
Abstract: 本发明提出了一种基于相对变分正则化的细胞神经网络边缘检测方法。本方法包括图像预处理以及预处理后的边缘检测两部分。图像预处理主要是采用相对变分对噪声及纹理进行平滑；预处理后的边缘检测主要是采用细胞神经网络方法对图像进行检测。该发明方法能够对富含噪声及纹理复杂的照片提取出有效可靠、精准的有效边缘信息，与传统Canny方法相比，抑制了噪声及纹理的影响，与标准的细胞神经网络方法相比，避免预先设计复杂的CNN模板参数。
-
公开(公告)号：CN102436666A
公开(公告)日：2012-05-02
申请号：CN201110254052.8
申请日：2011-08-31
Applicant: 上海大学
Abstract: 本发明公开了一种基于IHS变换的对象与场景融合方法。本方法先利用IHS变换和亮度融合形成融合图像的光照蒙板，然后再通过在光照蒙板中还原对象细节来达到对象与场景融合的目的。通过分别使用标准IHS变换技术，SFIM技术以及小波技术作为亮度融合工具，提供实现本发明三种方案。本发明方法的待融合图像不用配准，融合需要的条件少，实现简单，可以只考虑亮度融合就能实现对象与场景的融合；融合速度快，应用在视频处理中的潜力大；能最大限度地降低融合过程产生的颜色畸变；同时由于可以通过植入不同亮度融合算法形成不同的融合方案，因而本发明具有更广泛的用途。
-
公开(公告)号：CN118570346A
公开(公告)日：2024-08-30
申请号：CN202410584466.4
申请日：2024-05-11
Applicant: 上海大学
IPC: G06T13/40 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种基于细节注意力的风格化运动生成方法，步骤如下：预处理风格化运动序列数据集，并定义所需的运动风格；将预处理的运动序列数据集分别输入网络的风格编码器与内容编码器，得到浅层与深层的风格特征和内容特征；在解码器中使用运动细节注意力MD‑ATN模块，将提取的浅层和深层特征进行连接，利用注意力机制和归一化融合不同层级的嵌入特征，以生成风格化的运动特征；使用风格化运动特征，通过生成器生成风格化运动序列；使用多风格鉴别器对生成的风格化运动序列进行真假分类，并通过对抗性训练增强生成运动的真实感。本发明方法在保留运动内容的同时，更准确地迁移和表现指定的运动风格，显著提升了生成的风格化运动的细节质量和表现力。
-
Patent Agency Ranking
公开(公告)号：CN116703760A
公开(公告)日：2023-09-05
申请号：CN202310612118.9
申请日：2023-05-29
Applicant: 上海大学
IPC: G06T5/00 , G06N3/0475 , G06N3/0455 , G06N3/048
Abstract: 本发明属于计算机视觉领域，公开了一种基于时间注意力和生成对抗网络的视频修复方法，对训练集包含的视频进行预处理，随机生成每幅视频帧的二值掩膜图；然后将视频帧及其对应的掩膜图输入生成对抗网络，进行深度网络模型训练；再将破损视频帧输入步骤2所训练的网络模型，输出修复结果。本发明根据视频帧之间内容具有连续性的特性，提出了时间注意力，从而指定了合理的注意力查询区域，解决了注意力查询区域不合理的问题，有效地提高了破损视频的修复质量。本发明可以应用于电影后期处理、视频编辑等领域。
-
公开(公告)号：CN107798666B
公开(公告)日：2021-08-10
申请号：CN201711143060.9
申请日：2017-11-17
Applicant: 上海大学
Abstract: 本发明涉及一种基于稀疏颜色特征的老电影褪色闪烁修复方法。通过联合待修复序列的多帧图像建立了简单的色彩修复模型，包括四个关键步骤，首先，将待修复的图像序列进行分镜，并为每一个子序列选择参考帧；其次，提取子序列的相关颜色区域，构建稀疏颜色特征矩阵；然后，使用低秩矩阵分解方法，估计未知修复参数；最后，采用两步修复策略，先利用修复参数对普通帧进行颜色一致性校正，再通过参考帧的修复参数进行颜色恢复性校正，最终得到修复后序列。本发明方法流程清晰、结构完成，联合多帧的修复模式考虑了序列前后帧的连续性，对褪色闪烁的修复效果良好。
-
公开(公告)号：CN111309936A
公开(公告)日：2020-06-19
申请号：CN201911373310.7
申请日：2019-12-27
Applicant: 上海大学
IPC: G06F16/435
Abstract: 本发明涉及一种电影用户画像的构建方法，包括如下步骤：步骤一，在电影社区网站选取曾发布过中文电影评论的用户，对用户的静态数据和动态数据进行采集；步骤二，根据获取到的样本电影用户的多维数据，构建电影用户画像的三层标签体系；步骤三，根据电影用户多维数据与标签体系中标签的对应关系，按照标签层级由下往上的方式对电影用户的一、二层标签进行预测，构建一个较为完善的单用户画像模型；步骤四，对具有某一类共同特征的群体电影用户进行电影偏好分析，生成电影用户画像的第三层标签，构建群体用户画像。本发明对用户原始数据做出分析映射生成标签体系，实现了电影用户属性标签化，和同一属性人群的群体用户画像模型的构建。
-
公开(公告)号：CN111191015A
公开(公告)日：2020-05-22
申请号：CN201911375183.4
申请日：2019-12-27
Applicant: 上海大学
IPC: G06F16/332 , G06F16/33 , G06F16/31 , G06F40/126 , G06N3/04
Abstract: 本发明针对电影知识对话响应中涉及大量的专有名词（如人名，地名等）且一条响应中可能涉及到多条知识的特点，提出了一种神经网络电影知识智能对话方法。首先构建电影知识库和电影知识对话数据集，然后编码器部分采用3-hops记忆神经网络，用来编码历史对话；最后解码器部分将GRU和3-hops记忆神经网络相结合，用GRU的隐藏状态作为3-hops的动态查询向量，指导响应生成。结果显示该电影知识智能对话方法不仅解决了生成无意义响应的问题，又能保证生成响应的多样性。
-
公开(公告)号：CN110533615A
公开(公告)日：2019-12-03
申请号：CN201910810872.7
申请日：2019-08-30
Applicant: 上海大学
Abstract: 本发明涉及一种基于生成对抗网络的老电影大面积破损修复方法，该方法针对老电影大面积破损设计了一种修复方法，包括三个步骤：（1）对待修复老电影进行预处理，标记破损帧掩膜；（2）将老电影中未破损序列输入生成对抗网络，进行深度网络模型训练；（3）将老电影中破损序列输入步骤2所训练的网络模型，最终输出修复结果。本方法所设计生成对抗网络的生成网络采用逐帧修复的方式，接收破损帧和已修复帧为输入，判别网络对抗式地判别生成网络输出结果的真假，通过多损失联合的目标函数实现网络的训练。该方法相较现有方法在修复质量和效率方面都有一定的提高，具有工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.018 seconds)
