-
公开(公告)号：CN118172263A
公开(公告)日：2024-06-11
申请号：CN202410426539.7
申请日：2024-04-10
Applicant: 南京大学
IPC: G06T5/50 , G06T5/60 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种自训练少样本神经辐射场的新视图合成方法，包括：对数据集进行预处理，选取标签数据，形成原始输入数据；初始化神经辐射场模型，使用原始输入数据对NeRF模型训练一个轮次，得到初始化神经辐射场模型，即首个迭代轮次的神经辐射场模型；生成第一类和第二类伪标签并保存；将标签数据、第一类和第二类伪标签作为新一轮迭代的神经辐射场模型的输入数据，并作为训练数据，进入新一轮神经辐射场模型的迭代，引入不确定性感知机制进行学习，重复执行上述步骤，并进行迭代训练，获得最终的神经辐射场模型；利用最终的神经辐射场模型进行预测，并渲染，完成所述的自训练少样本神经辐射场的新视图合成。
-
公开(公告)号：CN112785526B
公开(公告)日：2023-12-05
申请号：CN202110116229.1
申请日：2021-01-28
Applicant: 南京大学
Abstract: 本发明提供了一种用于图形处理的三维点云修复方法，包括：步骤1，对输入点云模型数据集采集数据；步骤2，采用基于Self‑Attention自注意力机制的方法和多层感知机MLP相结合得到长距离依赖关系提取网络，用该长距离依赖关系提取网络将输入点云映射为全局特征向量，再采用拓扑根树结构的解码器生成不完整点云的缺失部分；步骤3，将不完整点云及生成的缺失部分点云合成到一起，得到最终修复后的完整点云模型。
-
公开(公告)号：CN116228986A
公开(公告)日：2023-06-06
申请号：CN202310284200.3
申请日：2023-03-22
Applicant: 南京大学
IPC: G06T17/00 , G06T15/00 , G06T19/00 , G06T3/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部到全局补全策略的室内场景光照估计方法，该方法旨在从单张限制视角室内场景图片的任意位置估计出光照情况，并将室内场景光照估计问题分解为三个子任务：基于深度的图像变形、低动态范围(low dynamic range，LDR)全景图补全和高动态范围(high dynamic range，HDR)重建。基于第二个子任务，该方法提出一种从局部到全局的全景图补全策略，该策略首先对第一阶段变形后输出的稀疏的全景图进行深度引导的局部补全，以填补小而密集的空洞；之后通过立方体贴图投影法和一个能够拟合长距离依赖关系的transformer网络(称作PanoTransformer)进行合理的全局补全；最终能够在输入图片任意位置恢复出物理上合理且带有纹理细节的全景图，以捕捉空间变化的室内光照。
-
公开(公告)号：CN110084321B
公开(公告)日：2023-01-20
申请号：CN201910380031.7
申请日：2019-05-08
IPC: G06F18/23213 , G06F17/16 , G06F11/36
Abstract: 本发明涉及一种基于K‑均值聚类的软件测试目标路径选择方法。该方法给定待测程序，利用Z覆盖方法将程序中的循环结构转化为选择结构，基于赫夫曼编码对程序路径进行编码；从路径编码集合中随机选择路径作为聚类中心，计算剩余路径与聚类中心的区分度，对路径进行聚类；最后，结合K‑均值聚类算法，选择类中与其他路径区分度和最小的路径作为新的聚类中心，直到聚类中心不再变化为止；最终，输出聚类中心作为待测程序的测试目标路径集合。本发明目的在于解决了目前被测软件路径数目众多的情况下，全路径覆盖测试难以达到，测试质量难以得到保障的问题，最终帮助测试人员提高软件测试效率，同时保障软件测试的质量。
-
公开(公告)号：CN114692834A
公开(公告)日：2022-07-01
申请号：CN202210355240.8
申请日：2022-04-06
Applicant: 南京大学
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明提供了基于保留动力学过程使用稀疏网络鲁棒地分类图片的方法，结合神经正切核理论和对抗训练的动力学过程，使用对抗攻击得到稀疏网络和密集网络的各自的对抗样本，得到适宜进行对抗训练的稀疏网络，用稀疏网络在图片集上进行对抗训练，得到分类器，实现对对抗攻击的有效抵御。本方法得到的稀疏网络的性能与原始的密集网络性能相当，对抗鲁棒性优于最近提出的Inverse Weight Inheritance2020，且本发明在初始化时便找到了目标稀疏网络，不需要像现有方法那样迭代地进行对抗训练‑剪枝过程，大大减少了训练时间，因此本发明优于现有的同任务方法，使得对抗鲁棒神经网络在资源有限设备上的部署成为可能。
-
Patent Agency Ranking
公开(公告)号：CN110084321A
公开(公告)日：2019-08-02
申请号：CN201910380031.7
申请日：2019-05-08
Abstract: 本发明涉及一种基于K-均值聚类的软件测试目标路径选择方法。该方法给定待测程序，利用Z覆盖方法将程序中的循环结构转化为选择结构，基于赫夫曼编码对程序路径进行编码；从路径编码集合中随机选择路径作为聚类中心，计算剩余路径与聚类中心的区分度，对路径进行聚类；最后，结合K-均值聚类算法，选择类中与其他路径区分度和最小的路径作为新的聚类中心，直到聚类中心不再变化为止；最终，输出聚类中心作为待测程序的测试目标路径集合。本发明目的在于解决了目前被测软件路径数目众多的情况下，全路径覆盖测试难以达到，测试质量难以得到保障的问题，最终帮助测试人员提高软件测试效率，同时保障软件测试的质量。
-
公开(公告)号：CN104637090A
公开(公告)日：2015-05-20
申请号：CN201510064643.7
申请日：2015-02-06
Applicant: 南京大学
Abstract: 本发明涉及一种基于单张图片的室内场景建模方法，该方法在用户输入的单幅室内场景图片启发下，以预先构建好的模型库为基础，通过图像分析与模型检索二个阶段来实现室内场景的建模。在图像分析阶段，利用图像分析技术结合图像分割方法获得输入图像场景中所包含的待建模物体；在模型检索阶段，将图像中待建模物体和模型库中各个视点下的三维模型统一渲染成线框图的形式，并采用星图的表示方法，对所获得的各线框图进行层次化特征编码。在检索过程中正是利用图像中待建模物体与模型库中三维模型星图的匹配程度，来获得场景图片中类似的三维模型，进而完成场景的重建。
-
公开(公告)号：CN103177473A
公开(公告)日：2013-06-26
申请号：CN201310075955.9
申请日：2013-03-11
Applicant: 南京大学
Abstract: 本发明公开了一种基于实例的大规模场景合成方法，该方法通过对构造单元的自动式优化组合构建大规模场景，包括以下步骤：给定一个小场景模型，采用等间隔的三组正交平面组分割模型以建立模型的构造单元集合并提取各构造单元的几何特征及其之间的邻接关系；根据三个方向的扩展因子，定义一个Petri网结构建立目标模型构造过程的参数化表示；以所定义的Petri网及其变异算子为目标模型的编码表示，使用人工免疫算法实现对构造过程的优化以得到与实例模型结构最为相似的模型。本发明利用实例模型的结构特征扩展规模以生成大规模的场景模型，提高了建模效率，并实现了对模型资源的有效重用。
-
公开(公告)号：CN101777178B
公开(公告)日：2011-08-31
申请号：CN201010102109.8
申请日：2010-01-28
Applicant: 南京大学
Abstract: 本发明涉及一种图像修复方法，本发明首先将目标图像进行方向经验模型分解，并允许根据已有信息绘制给定待修复区域内已破坏的边结构信息，利用方向经验模型分解得到的频率特征值计算相似度先行完成整个受损区域内的边结构修复，然后再根据待修复区域边界上像素点的梯度特征结合置信度计算剩余填充区域的优先级，并再次利用分解得到的频率特征值计算相似度完成对应区域的修复。本发明的方法不仅能够修复较大尺度缺损区域中的结构和纹理信息，还能够修复具有一定遮挡关系的图像。修复过程鲁棒性高，有效地防止了错误信息的连续扩展。
-
公开(公告)号：CN101777178A
公开(公告)日：2010-07-14
申请号：CN201010102109.8
申请日：2010-01-28
Applicant: 南京大学
Abstract: 本发明涉及一种图像修复方法，本发明首先将目标图像进行方向经验模型分解，并允许根据已有信息绘制给定待修复区域内已破坏的边结构信息，利用方向经验模型分解得到的频率特征值计算相似度先行完成整个受损区域内的边结构修复，然后再根据待修复区域边界上像素点的梯度特征结合置信度计算剩余填充区域的优先级，并再次利用分解得到的频率特征值计算相似度完成对应区域的修复。本发明的方法不仅能够修复较大尺度缺损区域中的结构和纹理信息，还能够修复具有一定遮挡关系的图像。修复过程鲁棒性高，有效地防止了错误信息的连续扩展。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.034 seconds)
