一种基于可逆神经网络的3D表示图像化方法及系统

    公开(公告)号:CN118298141B

    公开(公告)日:2024-08-13

    申请号:CN202410725239.9

    申请日:2024-06-06

    Abstract: 本发明公开了一种基于可逆神经网络的3D表示图像化方法及系统,主要包括两步:基于平面的紧凑型3D表示和3D表示的可逆嵌入。具体的,首先将3D场景参数沿三维空间中XYZ方向进行分解,转化为由三个神经平面构成的3D神经图像并获取3D场景中任意位置的不透明度和颜色信息;然后使用动态可逆神经网络对3D神经图像和宿主图像进行图像域变换分为低频和高频部分,再把3D神经图像中携带的3D信息可逆嵌入宿主图像中得到嵌入图像和动态常量;由于嵌入图像带有3D信息,通过动态可逆神经网络即可重构得到3D图像。本发明通过将3D表示以可逆的方式压缩嵌入到2D图像表示中,从而达到减少体积占用以及增加可感知能力的目的。

    静态行人图像的运动动态化方法、系统、装置及介质

    公开(公告)号:CN113012268B

    公开(公告)日:2024-07-02

    申请号:CN202110245019.2

    申请日:2021-03-05

    Abstract: 本发明公开了一种静态行人图像的运动动态化方法、系统、装置及介质,其中方法包括:获取两张行人图像,根据所述行人图像提取一对人体的2D姿态;根据动作相似度将一对所述2D姿态映射到3D空间,生成一对3D姿态;根据一对所述3D姿态生成一组3D运动姿态序列;将所述3D运动姿态序列进行2D投影,获得2D运动姿态序列;根据一对所述2D姿态对所述2D运动姿态序列进行优化;根据所述行人图像和优化后的2D运动姿态序列生成行人运动图像序列。本发明通过设计动作相似度对人体姿态进行2D和3D之间的映射,能够避免数据标注的人力和时间耗费,使得人体姿态的生成更加灵活,可广泛应用于图像数据处理领域。

    基于SUPR模型的人脚姿态检测虚拟数据集的构造方法

    公开(公告)号:CN117496293A

    公开(公告)日:2024-02-02

    申请号:CN202311297969.5

    申请日:2023-10-09

    Inventor: 许馨文 李桂清

    Abstract: 本发明公开了一种基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,包括:使用公开的SUPR模型、人体皮肤贴图、人体形状和姿态数据,以及场景分类图片数据集作为构造材料;使用运动分类和随机赋值的方法生成符合人脚生理结构和真实运动状态的脚部姿态数据作为构造材料;使用商业软件将SUPR模型转换为可编辑的通用3D蒙皮网格模型对象;使用准备好的材料对模型对象进行编辑,搭建3D场景,生成编辑后的模型脚部的高清RGB图片和配套的2D包围盒和关键点标注数据。本发明补全了现有人体姿态数据集在脚部姿态方面的空缺,在保证可用性的基础上极大程度的简化了姿态数据集的制作流程,降低了数据集制作所需的硬件门槛和成本。

    基于U-Net的BRDF贴图拼接方法
    74.
    发明公开

    公开(公告)号:CN116433484A

    公开(公告)日:2023-07-14

    申请号:CN202310241208.1

    申请日:2023-03-14

    Abstract: 本发明公开了一种基于U‑Net的BRDF贴图拼接方法,包括:1)使用公开的BRDF贴图制作拼接数据集;2)使用公开的BRDF贴图获取算法,获得整体贴图和局部贴图,将所有局部贴图串连,合并成一张BRDF贴图,经过这个步骤,得到包含真值BRDF贴图、缺失细节的整体贴图、串连的局部贴图的数据集;3)使用数据集,训练改进的U‑Net拼接网络,使用BRDF贴图的L1距离和渲染图像的L1距离作为网络训练的损失函数;4)应用训练好的改进的U‑Net拼接网络,将物体照片获取的BRDF贴图输入网络,得到具有物体细节的高分辨率整体贴图。本发明对大面积物体的局部进行拍摄合成整体的BRDF贴图,使之可以完整保留物体的细节信息,且避免了传统远景拼接产生的接缝问题。

    基于深度强化学习的二维矩形条带包装方法

    公开(公告)号:CN116198771A

    公开(公告)日:2023-06-02

    申请号:CN202310259079.9

    申请日:2023-03-17

    Abstract: 本发明公开了一种基于深度强化学习的二维矩形条带包装方法,该方法考虑二维情况下,将多个矩形对象逐一包装到一个末端开口的条带中,以最小化矩形对象所达到的高度,结合天际线算法将二维矩形条带包装过程建模为马尔可夫决策过程,再通过强化学习方法训练用于二维矩形条带包装的网络模型,最终得到一种最优的包装方案。本发明利用强化学习技术,能够获取多个不同的较优解,不需要人为设计复杂的启发式规则。本发明可以应用于多种物品的包装和运输,同时还可以适应不同的环境和布局。

    一种基于三维人体参数化模型的姿态迁移方法

    公开(公告)号:CN113223124B

    公开(公告)日:2022-06-10

    申请号:CN202110354636.6

    申请日:2021-03-30

    Abstract: 本发明公开了一种基于三维人体参数化模型的姿态迁移方法,包括:1)得到与源人物姿态和表情一致的目标人物三维人体参数化模型;2)将目标人物三维人体参数化模型不同的部位绑定不同的颜色进行渲染,得到姿态图像;3)对姿态图像进行图像操作后,得到头部以及身体姿态图;4)将头部以及身体姿态图像输入至人体部位生成模块,得到头部以及身体姿态迁移图像;5)对头部以及身体姿态迁移图像进行图像操作后,得到头部以及身体姿态迁移中间图像;6)将头部以及身体姿态迁移中间图像输入至融合模块,得到目标人物姿态迁移后的结果图像。本发明在保证结果质量的同时,减少了训练数据需求量,降低了训练数据的采集难度,加快了训练的时间。

    一种基于局部稀疏表示的完全人体运动参数化表示方法

    公开(公告)号:CN110363833B

    公开(公告)日:2021-03-30

    申请号:CN201910499437.7

    申请日:2019-06-11

    Abstract: 本发明公开了一种基于局部稀疏表示的完全人体运动参数化表示方法,包括步骤:1)获取相对边长和二面角及其重构,即RLA及其重构;2)参数模型训练数据库合成;3)基于人体形状主成分分析PCA基进行形状参数提取;4)使用稀疏局部分解的方法提取出局部基;5)利用局部基表示不同身体部位的运动得到参数模型;6)对参数模型进行回归修正。本发明能够用统一的框架来描述身体姿态,脸部表情和手势的形状和动作变化,不仅可以捕获高质量的全身姿势,而且还能在关节扭转和复杂的手姿态恢复姿势时表现出优于现有技术的参数化人体模型。

    一种视频序列的三维人体模型姿态与形状重构方法

    公开(公告)号:CN108629801B

    公开(公告)日:2020-11-24

    申请号:CN201810456021.2

    申请日:2018-05-14

    Inventor: 李桂清 曾志超

    Abstract: 本发明公开了一种视频序列的三维人体模型姿态与形状重构方法,包括步骤:1)提取视频帧中人物的二维关节点;2)提取视频帧中人物的脸部特征点;3)提取视频帧中人物的二维轮廓线;4)估计摄像机参数,据摄像机参数可以生成透视矩阵;5)采用优化方法进行模型姿态和形状的优化;6)获取三维人体模型在摄像机视角下的边缘点及其与二维轮廓线的匹配关系;7)采用优化方法进行模型形状的再次优化,使得在摄像机视角下三维模型的边缘点投影后的位置与视频帧中二维轮廓点的位置距离之差的总和最小。本发明可以避免重构过程中的姿态翻转问题,也可以在保证模型整体姿态相似性的同时准确地重构出头部姿态。

    基于对抗式相对深度约束网络的三维人体姿态估计方法

    公开(公告)号:CN111914618A

    公开(公告)日:2020-11-10

    申请号:CN202010521352.7

    申请日:2020-06-10

    Abstract: 本发明公开了一种基于对抗式相对深度约束网络的三维人体姿态估计方法,包括步骤:1)输入人体16个关节点的二维像素坐标,并归一化预处理;2)输入二维像素坐标到深度预测网络,输出人体16个关节点的深度值;3)利用深度值与二维像素坐标来重构关节点的三维坐标;4)输入三维人体姿态到生成式对抗网络的判别器进行真实性误差计算,利用三维人体姿态与图像对应的各关节点间的相对深度信息进行相对深度误差计算;5)将生成式对抗网络的判别器计算的真实性误差与相对深度误差相加得到总误差,并反馈到深度预测网络,得到更加准确的三维人体姿态。本发明解决了室外三维人体姿态数据缺少和生成式对抗网络方法的结果与图片各关节点间的相对深度关系不符合的问题。

    一种交互式轮廓提取方法
    80.
    发明授权

    公开(公告)号:CN108665470B

    公开(公告)日:2020-09-22

    申请号:CN201810457555.7

    申请日:2018-05-14

    Abstract: 本发明公开了一种交互式轮廓提取方法,包括步骤:1)建立l‑d轴坐标系,以用户交互草图为初始化,建立以初始曲线为中心的l‑d轴坐标系;2)局部轮廓线提取,将l‑d轴坐标系中寻找局部轮廓线的过程建模为最大化能量函数的问题,并使用动态规划求解局部最优解;3)多尺度局部轮廓线集合的生成,在初始化曲线上提取不同长度密集重叠的局部轮廓线集合;4)全局轮廓线融合,使用一种基于wPCA的方法,从冗余的局部轮廓线集合中提取出一条全局轮廓线。本发明方法能够表示任意复杂的物体轮廓,并且具有准确便捷,用户交互少,运行速度快,全局轮廓线连续和平滑的优点。

Patent Agency Ranking