公开(公告)号：CN114078113A

公开(公告)日：2022-02-22

申请号：CN202110733492.5

申请日：2021-06-30

Applicant: 三星电子株式会社

Inventor： 任昊宇 ,  李正元 ,  穆斯塔法·艾尔可哈米

IPC: G06T7/00 ,  G06V10/46 ,  G06V10/75 ,  G06K9/62

Abstract: 提供了用于基于代价‑体注意力的视差估计的系统和方法。一种方法包括：从由第一相机拍摄的左图像提取第一特征图；从由第二相机拍摄的右图像提取第二特征图；基于第一特征图和第二特征图的比较来计算匹配代价以生成代价体；从生成的代价体生成注意力‑感知代价体；以及聚合注意力‑感知代价体以生成输出视差。

公开(公告)号：CN113496466A

公开(公告)日：2021-10-12

申请号：CN202110371002.1

申请日：2021-04-07

Applicant: 三星电子株式会社

Inventor： A.赫拉德曼德 ,  任昊宇 ,  M.埃尔-哈米 ,  S.王 ,  裵东运 ,  李正元

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 提供了一种方法和装置。该方法包括生成用于真实世界超分辨率(SR)的数据集，训练第一生成对抗网络(GAN)，训练第二GAN以及融合第一GAN的输出和第二GAN的输出。

公开(公告)号：CN111798502B

公开(公告)日：2025-04-15

申请号：CN202010268091.2

申请日：2020-04-08

Applicant: 三星电子株式会社

Inventor： 任昊宇 ,  M.艾尔卡米 ,  李正元

IPC: G06F30/27

Abstract: 本文提供了一种用于确定图像的深度信息的方法和系统。根据一个实施例，该方法包括：接收输入图像，将输入图像归类到多个深度范围中的一深度范围，以及基于输入图像被归类到的深度范围通过应用深度估计来确定图像的深度图。

公开(公告)号：CN108694700B

公开(公告)日：2023-12-01

申请号：CN201810310847.8

申请日：2018-04-09

Applicant: 三星电子株式会社

Inventor： 穆斯塔法·坎依 ,  任昊宇 ,  李正元

IPC: G06T3/40 ,  G06T5/50

Abstract: 本发明提供一种用于超分辨率成像的方法，该方法包括：由处理器接收低分辨率图像；由所述处理器生成中等高分辨率图像，与所述低分辨率图像相比，所述中等高分辨率图像具有提高的分辨率；由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像；以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。

公开(公告)号：CN102609958A

公开(公告)日：2012-07-25

申请号：CN201210017560.9

申请日：2012-01-19

Applicant: 北京三星通信技术研究有限公司 ,  三星电子株式会社

Inventor： 任昊宇 ,  王琳 ,  熊君君

IPC: G06T7/20 ,  G06K9/00

Abstract: 一种视频对象提取的方法，包括：对视频的单帧图像进行检测，获取相邻两帧中每帧图像的特征点，并对相邻两帧中的特征点进行匹配，确定相邻两帧中视频对象的运动方程；选择视频对象的表示模型，根据概率填充方法对所述表示模型进行填充，得到所述视频对象的区域模型；根据所述运动方程，对所述视频对象的区域模型计算出初始的种子区域，使用图分割方法分割得到所述种子区域，获取所述视频对象。本发明提出的上述方案，通过使用高效的运动估计算法进行种子区域的选择，保证了视频对象提取的实时性，解决了之前目标提取效率低下的问题；此外，还能有效提升了目标提取的准确率。

公开(公告)号：CN108629736A

公开(公告)日：2018-10-09

申请号：CN201810213560.3

申请日：2018-03-15

Applicant: 三星电子株式会社

Inventor： 任昊宇 ,  李正元 ,  穆斯塔法·坎依

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06N3/04 ,  G06N3/0454 ,  G06N3/08 ,  G06N3/082 ,  G06T3/4053 ,  G06T3/4046

Abstract: 描述了用于产生卷积神经网络的设备和用于制造该设备的方法、系统和方法。在一个方面，例如，训练具有三层或更多层的极小卷积神经网络。可对经训练的卷积神经网络执行级联训练，以插入一个或多个中间层，直至训练错误小于阈为止。当完成级联训练时，可执行从级联训练输出的卷积神经网络的级联网络修剪，以提高计算效率。为了进一步减小网络参数，卷积滤波器可由具有相同感受野的空洞卷积滤波器替代，然后进行额外训练/精调。

公开(公告)号：CN111667047A

公开(公告)日：2020-09-15

申请号：CN202010142256.1

申请日：2020-03-04

Applicant: 三星电子株式会社

Inventor： M.埃尔-卡米 ,  李正元 ,  任昊宇 ,  崔裕镇

IPC: G06N3/04 ,  G06N3/08 ,  G06T3/40

Abstract: 本文公开了一种用于提供旋转不变神经网络的方法和系统。根据一个实施例，用于提供旋转不变神经网络的方法包括接收处于第一方向的图像的第一输入，并且训练内核对称，使得对应于第一输入的输出与对应于处于第二方向的图像的第二输入的输出相同。

公开(公告)号：CN111105450A

公开(公告)日：2020-05-05

申请号：CN201911036156.4

申请日：2019-10-29

Applicant: 三星电子株式会社

Inventor： 穆斯塔法·艾尔可哈米 ,  任昊宇 ,  杜宪志 ,  李正元

IPC: G06T7/55

Abstract: 在此公开用于视差估计的电子装置和方法。电子装置包括：第一相机，具有第一视场(FOV)；第二相机，具有比第一FOV窄的第二FOV；以及处理器，被配置为：使用第一相机捕获第一图像，第一图像具有联合FOV；使用第二相机捕获第二图像；确定第一图像与第二图像之间的重叠FOV；基于重叠FOV生成视差估计；生成联合FOV视差估计；并且将联合FOV视差估计与重叠FOV视差估计合并。

公开(公告)号：CN108694700A

公开(公告)日：2018-10-23

申请号：CN201810310847.8

申请日：2018-04-09

Applicant: 三星电子株式会社

Inventor： 穆斯塔法·坎依 ,  任昊宇 ,  李正元

IPC: G06T3/40 ,  G06T5/50

Abstract: 本发明提供一种用于超分辨率成像的方法，该方法包括：由处理器接收低分辨率图像；由所述处理器生成中等高分辨率图像，与所述低分辨率图像相比，所述中等高分辨率图像具有提高的分辨率；由所述处理器基于所述中等高分辨率图像和所述低分辨率图像生成最终高分辨率图像；以及由所述处理器将所述最终高分辨率图像发送到显示设备从而进行显示。

公开(公告)号：CN111105450B

公开(公告)日：2025-01-21

申请号：CN201911036156.4

申请日：2019-10-29

Applicant: 三星电子株式会社

Inventor： 穆斯塔法·艾尔可哈米 ,  任昊宇 ,  杜宪志 ,  李正元

IPC: G06T7/55

Abstract: 在此公开用于视差估计的电子装置和方法。电子装置包括：第一相机，具有第一视场(FOV)；第二相机，具有比第一FOV窄的第二FOV；以及处理器，被配置为：使用第一相机捕获第一图像，第一图像具有联合FOV；使用第二相机捕获第二图像；确定第一图像与第二图像之间的重叠FOV；基于重叠FOV生成视差估计；生成联合FOV视差估计；并且将联合FOV视差估计与重叠FOV视差估计合并。