-
公开(公告)号：CN112258381B
公开(公告)日：2024-02-09
申请号：CN202011058190.4
申请日：2020-09-29
Applicant: 北京达佳互联信息技术有限公司
Inventor： 黄星
IPC: G06T3/04 , G06N3/0475 , G06N3/094
Abstract: 本申请实施例公开了一种模型训练方法、图像处理方法、装置、设备及存储介质，该方法包括：获取第一样本图像和第二样本图像，根据第一样本图像和第二样本图像训练第一判别器，得到第一判别损失值，并通过第一判别器确定第二判别损失值。根据第一样本图像和第一生成器的转换结果确定相似度损失值，根据第一样本图像和第二图像确定复原损失值。根据相似度损失值、第二判别损失值和复原损失值训练第一生成器和第二生成器，得到目标循环生成对抗网络模型。通过第一样本图像和第一图像计算相似度损失值，通过相似度损失值对第一生成器进行训练，可以提高有形变存在时，CycleGAN模型训练时的稳定性，得到稳定的CycleGAN模型。
-
公开(公告)号：CN115661280A
公开(公告)日：2023-01-31
申请号：CN202211220862.6
申请日：2022-10-08
Applicant: 北京达佳互联信息技术有限公司
IPC: G06T11/00 , G06N3/0464 , G06N3/08 , H04N21/234 , H04N21/44
Abstract: 本公开关于一种在视频中植入多媒体的方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。其中方法通过获取待植入视频的关键帧，将预设的多媒体作为前景植入到关键帧中，以得到关键帧的第一合成图像，并获取第一合成图像的第一显示查找表，基于第一显示查找表得到映射后的第一目标合成图像，并根据第一目标合成图像进行时序插帧处理，以得到目标视频。由于本实施例在对植入多媒体的视频进行和谐化处理时，只需要抽取视频的关键帧进行处理，并基于关键帧的效果进行时序插帧，从而能够减少计算量，提高处理效率。并通过引入LUT的方式进行和谐化处理，因此，能够实现较高质量的和谐化效果，且无分辨率的限制。
-
公开(公告)号：CN113723480A
公开(公告)日：2021-11-30
申请号：CN202110949361.0
申请日：2021-08-18
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像处理方法、装置、电子设备和存储介质，涉及图像处理技术领域，以至少解决相关技术中压缩奖惩模块的缺点是对基于深度学习的图像风格迁移网络中深层特征的准确率提升较明显，但是对基于深度学习的图像风格迁移网络中较浅特征的准确率提升不明显的问题。该方法包括：采用编码器对原始图像进行特征提取，获得原始图像在编码器的每一层次结构的编码特征；其中，编码特征包括浅层特征；将编码特征输入到解码器中，并执行第一操作，得到结果特征图；其中，编码器和解码器内包含的层次结构的总数相同；根据结果特征图，确定原始图像的处理结果。
-
公开(公告)号：CN113486842A
公开(公告)日：2021-10-08
申请号：CN202110836624.7
申请日：2021-07-23
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种表情编辑模型的训练方法和装置及表情编辑方法和装置。所述表情编辑模型包括表情特征提取网络、面容特征提取网络和图像合成网络，所述训练方法包括：将表情样本图像分别输入至面容特征提取网络和表情特征提取网络；利用表情特征提取网络，提取表情样本图像的表情特征；利用面容特征提取网络，提取表情样本图像的面容特征；将面容特征和表情特征输入至图像合成网络，得到表情编辑图像；根据所述表情样本图像与所述表情编辑图像，调整面容特征提取网络、表情特征提取网络和图像合成网络的参数，以对所述表情编辑模型进行训练。
-
公开(公告)号：CN113506232B
公开(公告)日：2024-12-20
申请号：CN202110751326.8
申请日：2021-07-02
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像生成方法、装置、电子设备以及存储介质，属于图像处理技术领域，该方法首先获取第一图像和第二图像中用于指示对象身体部分的多个尺度的特征，再基于第一图像与第二图像之间多个尺度的光流信息，对第一图像的多个第一特征进行变形，达到对第一对象进行姿态变化的目的，进而基于变形后的特征来进行图像的生成，由于上述图像生成过程中的变形是在保留了图像的完整特征信息的情况下的变形，也就保证了在进行大幅度的姿态变换时，生成的目标图像中纹理的准确性，提升了生成的目标图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN112861592B
公开(公告)日：2023-12-29
申请号：CN201911193533.5
申请日：2019-11-28
Applicant: 北京达佳互联信息技术有限公司
Inventor： 黄星
IPC: G06V10/82 , G06V40/16 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/048
Abstract: 本公开关于图像生成模型的训练方法、图像处理方法及装置，涉及图像处理技术领域。通过根据特征图的通道数对所述特征图的特征层进行分组，得到包含目标数目个特征层分组的目标特征图，根据输入模型的随机向量、特征图的通道数和目标数目设置预设归一化转化函数的可学习参数，得到目标归一化转化函数，根据所述目标归一化转化函数对所述特征图进行归一化处理，从而完成图像生成模型的训练。在归一化操作过程中既考虑了图像生成模型的输入，又考虑了归一化操作对象的特征，使得归一化操作过程中的参数相互关联，保证差异性不因归一化过程而消失，提高了用于图像生成的模型的训练效果，提高了生成图像的质量，缩短了模型的训练时间。
-
公开(公告)号：CN116012883A
公开(公告)日：2023-04-25
申请号：CN202310014499.0
申请日：2023-01-05
Applicant: 北京达佳互联信息技术有限公司
IPC: G06V40/10 , G06V10/764 , G06T15/20 , G06N3/04 , G06N3/08
Abstract: 本公开关于一种图像生成模型的训练方法、图像生成方法及装置，涉及计算机技术领域。该方法包括：确定至少一个手势的空间信息以及手部特征；将该至少一个手势中每个手势的空间信息以及该每个手势对应的手部特征输入第一图像生成模型，得到与该至少一个手势对应的目标图像；基于该每个手势对应的手部特征、与该至少一个手势对应的目标图像以及与该至少一个手势对应的样本图像，对该第一图像生成模型训练，生成第二图像生成模型。本公开中，电子设备能够生成真实性更高的第二图像生成模型，并且基于该第二图像生成模型生成的图像的真实性较高，更贴近于真实图像，能够提升图像生成的有效性，提高图像的真实性。
-
公开(公告)号：CN113706369A
公开(公告)日：2021-11-26
申请号：CN202010437578.9
申请日：2020-05-21
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像处理方法、装置、电子设备及存储介质，以至少解决利用生成式对抗网络GAN，将形状与参考对象的形状差异大的待处理对象处理为参考对象的类型的图片时，准确性差的问题。该方法包括：获取原始图像；原始图像包括待处理对象；对待处理对象进行图像变形处理，将图像变形处理后的待处理对象的形状处理为参考对象的形状，得到中间图像；对中间图像中图像变形处理后的待处理对象进行纹理处理，将纹理处理后的待处理对象的纹理处理为参考对象的纹理，得到目标图像。
-
公开(公告)号：CN113506232A
公开(公告)日：2021-10-15
申请号：CN202110751326.8
申请日：2021-07-02
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像生成方法、装置、电子设备以及存储介质，属于图像处理技术领域，该方法首先获取第一图像和第二图像中用于指示对象身体部分的多个尺度的特征，再基于第一图像与第二图像之间多个尺度的光流信息，对第一图像的多个第一特征进行变形，达到对第一对象进行姿态变化的目的，进而基于变形后的特征来进行图像的生成，由于上述图像生成过程中的变形是在保留了图像的完整特征信息的情况下的变形，也就保证了在进行大幅度的姿态变换时，生成的目标图像中纹理的准确性，提升了生成的目标图像的质量。
-
公开(公告)号：CN112861592A
公开(公告)日：2021-05-28
申请号：CN201911193533.5
申请日：2019-11-28
Applicant: 北京达佳互联信息技术有限公司
Inventor： 黄星
Abstract: 本公开关于图像生成模型的训练方法、图像处理方法及装置，涉及图像处理技术领域。通过根据特征图的通道数对所述特征图的特征层进行分组，得到包含目标数目个特征层分组的目标特征图，根据输入模型的随机向量、特征图的通道数和目标数目设置预设归一化转化函数的可学习参数，得到目标归一化转化函数，根据所述目标归一化转化函数对所述特征图进行归一化处理，从而完成图像生成模型的训练。在归一化操作过程中既考虑了图像生成模型的输入，又考虑了归一化操作对象的特征，使得归一化操作过程中的参数相互关联，保证差异性不因归一化过程而消失，提高了用于图像生成的模型的训练效果，提高了生成图像的质量，缩短了模型的训练时间。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.043 seconds)
