-
公开(公告)号：CN114943746B
公开(公告)日：2025-04-29
申请号：CN202210670980.0
申请日：2022-06-14
Applicant: 南京信息工程大学
IPC: G06T7/20 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种利用深度信息辅助和轮廓增强损失的运动迁移方法，基于轮廓注意力GAN的深度图像生成器、基于自注意力机制的运动图像生成器、根据目标人物骨架和源人物骨架按照比例调整的姿态归一化、根据姿态归一化后的骨架实现运动迁移。本发明采用基于轮廓注意力GAN结合深度信息辅助的生成器，以弥补缺乏深度信息的缺陷并提高生成的轮廓细节的准确性，使用的自注意机制的生成器，提高了生成的纹理细节的质量，生成的运动图像具有可靠的深度信息和合理的轮廓。
-
公开(公告)号：CN114783039A
公开(公告)日：2022-07-22
申请号：CN202210708260.9
申请日：2022-06-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种3D人体模型驱动的运动迁移方法，通过将训练数据转换到UV空间并以相邻视频帧之间的互补信息来构建并优化3D人体模型；然后将优化后的3D人体模型投影到2D平面以保留原始运动的3D信息，并实现了以目标姿态驱动优化后的3D人体模型；将2D投影和训练数据的姿态作为预训练模型的输入，并保存训练好的模型；然后将目标人的姿态归一化；最后以目标人姿态驱动的优化后3D人体模型的2D投影和归一化后的目标人姿态作为训练好的运动图像生成模型的输入进行最终的运动迁移，既克服了2D平面图像生成存在的模糊和形状失真等问题，又保证生成的运动图像具有可靠的深度信息、精确的形状和清晰的人脸。
-
公开(公告)号：CN119477671A
公开(公告)日：2025-02-18
申请号：CN202510052640.5
申请日：2025-01-14
Applicant: 南京信息工程大学
IPC: G06T3/04 , G06N3/0455 , G06N3/0464 , G06V40/10
Abstract: 本发明涉及计算机视觉技术领域，公开了一种人体与姿态变换图像生成方法及装置，包括以下步骤：利用编码器分别将源人体图像、目标人体图像、源姿态图像与目标姿态图像压缩到张量空间形成源人体张量、目标人体张量、源姿态张量与目标姿态张量；张量依次通过‘W’型迁移网络中若干功能模块，每个功能模块包含信息引入模块、权重图模块、张量对齐模块与注意力模块；利用训练好的两个‘W’网络，分别预测目标人体张量与目标姿态张量，再分别通过解码器得到预测的目标人体图像与目标姿态图像。本发明将同时完成人体与姿态变换任务，保证了生成的目标图像具有高质量纹理特征。
-
公开(公告)号：CN119477671B
公开(公告)日：2025-04-15
申请号：CN202510052640.5
申请日：2025-01-14
Applicant: 南京信息工程大学
IPC: G06T3/04 , G06N3/0455 , G06N3/0464 , G06V40/10
Abstract: 本发明涉及计算机视觉技术领域，公开了一种人体与姿态变换图像生成方法及装置，包括以下步骤：利用编码器分别将源人体图像、目标人体图像、源姿态图像与目标姿态图像压缩到张量空间形成源人体张量、目标人体张量、源姿态张量与目标姿态张量；张量依次通过‘W’型迁移网络中若干功能模块，每个功能模块包含信息引入模块、权重图模块、张量对齐模块与注意力模块；利用训练好的两个‘W’网络，分别预测目标人体张量与目标姿态张量，再分别通过解码器得到预测的目标人体图像与目标姿态图像。本发明将同时完成人体与姿态变换任务，保证了生成的目标图像具有高质量纹理特征。
-
公开(公告)号：CN111931804B
公开(公告)日：2023-06-27
申请号：CN202010557419.2
申请日：2020-06-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于RGBD摄像机的人体动作自动评分方法，包括步骤如下：(1)关节点坐标数据的获取；(2)关节向量坐标的数据处理；(3)计算标准帧与测试帧相似度；(4)时间序列相似性度量；(5)自动评分。本发明在医疗领域，使有运动障碍病人的运动姿态按照正常人的标准进行康复训练，有助于病人身体的康复；在体育赛事、舞蹈训练等场合，能够有效解决人为动作打分缺乏客观性或尺度不统一的问题，将运动人员的动作与标准数据库中合成的动作相对比，进行评分操作，形成一个自动评分方法。
-
Patent Agency Ranking
公开(公告)号：CN115858477A
公开(公告)日：2023-03-28
申请号：CN202211705767.5
申请日：2022-12-29
Applicant: 南京信息工程大学
IPC: G06F16/174 , G06F16/176 , G06F16/2458 , G06N3/0475 , G06N3/08
Abstract: 本发明公开一种基于结构化网络的人体运动数据压缩和恢复方法，包括以下步骤：将人体运动序列数据转换为关节坐标，进行标准化处理得到归一化球面人体三维坐标，然后转换为球面人体二维极坐标；根据球面人体二维极坐标为单个人体关节构建独立的全连接网络，得到结构化的深度网络模型；使用球面人体二维极坐标作为训练数据，并在训练后对深度网络模型的网络参数进行量化，将量化后的网络参数作为压缩后的数据；输入时间帧计算对应时刻中每一人体关节的球面极坐标相对坐标位置，重构出完整的人体运动序列数据。本发明还公开一种基于结构化网络的人体运动数据压缩和恢复系统。本发明提供的一种基于结构化网络的人体运动数据压缩和恢复方法以及系统，能够扩展到大型运动数据库，且泛化能力较强。
-
公开(公告)号：CN114972441A
公开(公告)日：2022-08-30
申请号：CN202210735748.0
申请日：2022-06-27
Applicant: 南京信息工程大学
Abstract: 本发明涉及计算机技术领域，具体是一种基于深度神经网络的运动合成框架，该运动合成框架的运动合成方法包括以下步骤：准备训练数据并标准化关节坐标；提取运动序列的运动规律；训练运动规律提取网络；训练运动合成网络建立运动序列首尾帧与运动规律之间的联系；根据首尾帧生成对应的运动规律；根据生成的运动规律转换成任意时刻中每一关节的位置，合成完整的运动序列，本发明用于在给定一段运动序列的首尾帧的情况下，合成真实的人体运动，用于解决现有运动合成方法控制复杂，合成内容有限的问题。
-
公开(公告)号：CN114943746A
公开(公告)日：2022-08-26
申请号：CN202210670980.0
申请日：2022-06-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种利用深度信息辅助和轮廓增强损失的运动迁移方法，基于轮廓注意力GAN的深度图像生成器、基于自注意力机制的运动图像生成器、根据目标人物骨架和源人物骨架按照比例调整的姿态归一化、根据姿态归一化后的骨架实现运动迁移。本发明采用基于轮廓注意力GAN结合深度信息辅助的生成器，以弥补缺乏深度信息的缺陷并提高生成的轮廓细节的准确性，使用的自注意机制的生成器，提高了生成的纹理细节的质量，生成的运动图像具有可靠的深度信息和合理的轮廓。
-
公开(公告)号：CN118037897B
公开(公告)日：2024-06-14
申请号：CN202410438878.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T11/60 , G06T17/00 , G06V40/10 , G06V10/26 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种基于区域风格校正的人物属性编辑方法及装置。方法包括：对训练数据提取分割图，利用分割图对人物属性进行拆分，得到人物的不同属性，属性可以编辑；将拆分的人物属性和目标人姿态作为输入提取特征，利用区域特征匹配模块融合变换人物属性特征和目标人姿态特征，将细化后的特征解码得到目标人物粗图像；其次分别提取人物属性的风格编码，通过区域风格补偿模块将风格编码注入细化后的特征得到残差纹理图；然后利用残差纹理图对粗图像进行风格校正得到最终的人物图像；最后，利用区域风格一致性损失来监督风格校正的效果。由此将人物属性全局建模改为区域建模，不仅能对人物属性进行有效编辑，还保证了生成的目标图像具有真实纹理。
-
公开(公告)号：CN118037897A
公开(公告)日：2024-05-14
申请号：CN202410438878.7
申请日：2024-04-12
Applicant: 南京信息工程大学
IPC: G06T11/60 , G06T17/00 , G06V40/10 , G06V10/26 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种基于区域风格校正的人物属性编辑方法及装置。方法包括：对训练数据提取分割图，利用分割图对人物属性进行拆分，得到人物的不同属性，属性可以编辑；将拆分的人物属性和目标人姿态作为输入提取特征，利用区域特征匹配模块融合变换人物属性特征和目标人姿态特征，将细化后的特征解码得到目标人物粗图像；其次分别提取人物属性的风格编码，通过区域风格补偿模块将风格编码注入细化后的特征得到残差纹理图；然后利用残差纹理图对粗图像进行风格校正得到最终的人物图像；最后，利用区域风格一致性损失来监督风格校正的效果。由此将人物属性全局建模改为区域建模，不仅能对人物属性进行有效编辑，还保证了生成的目标图像具有真实纹理。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
