-
-
公开(公告)号：CN110349087A
公开(公告)日：2019-10-18
申请号：CN201910609314.4
申请日：2019-07-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于适应性卷积的RGB-D图像高质量网格生成方法，包括步骤：1)构建训练数据集；2)数据扩增和归一化；3)构建适应卷积层；4)构建深度图像补全网络和超分辨率网络并进行训练；5)将测试数据依次输入两个训练好的网络中，输出修补好的高分辨率图片并进一步转化成高质量网格。本发明构建的数据集弥补了当前在深度图像补全领域缺乏高质量的大规模的数据集的问题；使用编码解码结构以及跨层连接结构，能够有效将数据中的低层特征和高层特征融合起来，同时避免了参数的冗余；使用适应性卷积结构能有效解决当前方法难以产生高质量的完整的深度图像的问题。本发明能解决当前kinect获取到的数据精度低，缺失区域大的问题。
-
公开(公告)号：CN107292942B
公开(公告)日：2019-10-18
申请号：CN201710308084.9
申请日：2017-05-04
Applicant: 华南理工大学
IPC: G06T13/20
Abstract: 本发明公开了一种权值C2连续的线性混合形状编辑方法，包括以下步骤：1)获取基础信息，包括用户输入的模型、实控制点和控制骨骼；2)使用实控制点离散化控制骨骼，并对实控制点初始化；3)估算模型各顶点到实控制点的内部距离；4)生成虚控制点；5)计算实控制点对虚控制点的权重以及控制点对模型顶点的权重；6)用户操作实控制点变换，虚控制点响应变换；7)GPU并行加速重构模型。本发明可以在编辑的过程中，尽量保持模型表面原有的细节特征，模型变形过渡平滑，能够感知模型的局部或整体形状，模型的编辑效果良好，重构模型阶段使用GPU并行计算加速，能够及时给用户的编辑反馈，高效的编辑效率能够达到实时效果。
-
公开(公告)号：CN106709883B
公开(公告)日：2019-10-18
申请号：CN201611180960.6
申请日：2016-12-20
Applicant: 华南理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于联合双边滤波和尖锐特征骨架提取的点云去噪方法，包括步骤：1)利用法向量差方法获取候选特征点；2)对候选点提取骨架；3)利用骨架对候选点进行重采样，得到特征点；4)对特征点赋予多法向量；5)基于联合双边滤波框架对点云法向量进行滤波；6)基于滤波后的法向量对点位置进行更新，得到去噪后的点云模型。本发明方法利用先提取尖锐特征骨架对模型结构进行分析，从而在去噪同时能更好保持物体尖锐特征，有助于应对高强度噪声，具有高鲁棒性的特点，具有很好的推广利用前景。
-
公开(公告)号：CN108986132A
公开(公告)日：2018-12-11
申请号：CN201810722763.5
申请日：2018-07-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种使用全卷积神经网络生成证件照Trimap图的方法，包括步骤：1)数据输入；2)对全卷积神经网络模型进行训练；3)使用完成训练的模型对输入图片进行分割。本发明主要解决的问题是通过自己建立的包含人头像包括肩膀区域的证件照数据集，构建网络模型，并使用数据集对这个网络模型进行训练。训练完成后，网络模型将能够对人头像包括肩膀区域进行具有较高精确度的分割。本发明具有精确度高、抗噪性好、使用简单、效率高、速度快等优点。与现有的方法相比，本发明首次实现了对证件照进行Trimap图分割的处理，为抠图提供了良好的输入，同时，本发明方法在肩膀和衣服的识别、分割方面取得了更好的效果。
-
Patent Agency Ranking
公开(公告)号：CN108629834A
公开(公告)日：2018-10-09
申请号：CN201810438459.8
申请日：2018-05-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于单张图片的三维头发重建方法，包括：1)条带网格头发模型生成；2)条带网格头发模型数据库构建；3)基于图片的发型检索(发型检索)；4)条带网格头发与头部融合(头发融合)。主要流程：将头发丝模型转化为条带网格模型，并构建条带网格头发模型数据库，给定输入图像，首先从其头发区域提取头发形状检索图，头发形状特征向量和头发方向图作为检索信息，然后从条带网格头发模型数据库中检索出与该检索信息最相似的头发模型，最后把该头发模型贴合到人体头部模型中。本发明解决的是针对单张图片的三维头发重建问题，可以应用于头发重建、头发动画制作。
-
公开(公告)号：CN107292942A
公开(公告)日：2017-10-24
申请号：CN201710308084.9
申请日：2017-05-04
Applicant: 华南理工大学
IPC: G06T13/20
Abstract: 本发明公开了一种权值C2连续的线性混合形状编辑方法，包括以下步骤：1)获取基础信息，包括用户输入的模型、实控制点和控制骨骼；2)使用实控制点离散化控制骨骼，并对实控制点初始化；3)估算模型各顶点到实控制点的内部距离；4)生成虚控制点；5)计算实控制点对虚控制点的权重以及控制点对模型顶点的权重；6)用户操作实控制点变换，虚控制点响应变换；7)GPU并行加速重构模型。本发明可以在编辑的过程中，尽量保持模型表面原有的细节特征，模型变形过渡平滑，能够感知模型的局部或整体形状，模型的编辑效果良好，重构模型阶段使用GPU并行计算加速，能够及时给用户的编辑反馈，高效的编辑效率能够达到实时效果。
-
公开(公告)号：CN106484511A
公开(公告)日：2017-03-08
申请号：CN201610872366.7
申请日：2016-09-30
Applicant: 华南理工大学
IPC: G06F9/48
CPC classification number: Y02D10/24 , G06F9/4875
Abstract: 本发明公开了一种谱姿态迁移方法，包括计算输入的参考模型、源模型的拉普拉斯矩阵及其对应的谱与特征函数，得到参考模型与源模型的调和基，并计算控制网格的拉普拉斯矩阵；选取参考模型与源模型之间的特征对应点，计算参考模型与源模型之间对应函数，利用对应函数优化参考模型和源模型的调和基；计算源模型关于控制网格的重心坐标矩阵；集成基于广义重心坐标的子空间技术到该能量函数中；优化能量函数，得到变形后的控制网格；利用重心坐标矩阵，计算目标模型的顶点位置；采用分层谱姿态迁移算法将参考模型的姿态迁移到源模型上；进行朝向优化处理，得到目标模型。本发明能获得令人满意的姿态迁移效果。
-
公开(公告)号：CN106023316A
公开(公告)日：2016-10-12
申请号：CN201610333612.1
申请日：2016-05-19
Applicant: 华南理工大学
CPC classification number: G06T17/20 , G06K9/00335 , G06K9/40 , G06N3/02
Abstract: 本发明公开了一种基于Kinect的动态序列捕捉方法，首先利用多台Kinect等深度摄像头获取场景的多视图深度信息；接着进行深度信息的去噪补全工作；然后通过一个变换矩阵将深度图映射至世界坐标上的到点云数据；得到点云数据后再基于点云位置信息做进一步的去噪工作；接着采用刚性配准方法进行多视图点云数据的配准；对配准后的点云数据做补全操作；最后根据点云数据重构表面得到人体三维网格。本发明适用于多种环境下的人体动作序列的捕捉，具有高鲁棒性，实时性的特性，具有很好的推广利用前景。
-
公开(公告)号：CN114882152B
公开(公告)日：2025-01-14
申请号：CN202210336861.1
申请日：2022-04-01
Applicant: 华南理工大学
IPC: G06T13/40 , G06T17/20 , G06T19/20 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于网格自动编码器的人体网格解耦表示方法，包括：1)构建训练数据集和网格自动编码器，网格自动编码器由编码器和解码器组成，编码器由形状编码器、姿态编码器和旋转平移编码器组成，以人体网格作为输入，形状编码器输出形状编码表示，姿态编码器输出姿态编码表示，旋转平移编码器输出旋转矩阵和平移向量，解码器以形状编码表示和姿态编码表示的组合编码作为输入，输出为人体网格；2)训练数据集对网格自动编码器训练，将人体网格输入训练好的网格自动编码器得到其解耦表示。本发明可获得人体网格具有旋转平移不变性的、彼此独立解耦的形状与姿态表示，从而可利用已有的人体网格数据编辑合成更多不同形状和姿态的三维人体网格。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.027 seconds)
