公开(公告)号：CN117409129A

公开(公告)日：2024-01-16

申请号：CN202311298753.0

申请日：2023-10-09

Applicant: 南京大学

Inventor： 朱鹏飞 ,  刘一凡 ,  周辰熙 ,  吕培元 ,  宋睿哲 ,  过洁 ,  郭延文 ,  赖水长 ,  陈慕凡

IPC: G06T15/06 ,  G06T17/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0895

Abstract: 本发明公开了一种基于半监督学习的表面材质重建方法、装置及存储介质，本发明首先建立材质重建网络模型，所述材质重建网络模型包括编码器模块、特征组合门控循环模块、双分支模块、分支选择开关、特征融合门控循环模块和解码器模块，其次获取若干物体图像作为训练样本，将对应材质图像作为标签，输入材质重建网络模型进行训练；最后将待重建图像输入训练好的材质重建网络模型，得到物体的表面材质重建图像。本发明重建效果更好，成本更低。

公开(公告)号：CN116681824A

公开(公告)日：2023-09-01

申请号：CN202310603940.9

申请日：2023-05-26

Applicant: 南京大学

Inventor： 刘一凡 ,  过洁 ,  郭延文 ,  赖水长 ,  陈慕凡 ,  朱鹏飞

IPC: G06T17/00 ,  G06T5/00 ,  G06T3/40 ,  G06V10/40 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种物体表面材质重建方法、装置及存储介质，本发明首先建立了材质重建网络模型，所述材质重建网络模型包括预处理模块、高光感知分支、标准卷积分支、拼接层、注意力机制结构、第一低秩适配器和第二低秩适配器；其次获取若干物体图像作为训练样本，将对应材质图像作为标签，输入材质重建网络模型进行训练；最后将待重建材质的图像输入训练好的材质重建网络模型，得到物体的表面材质重建图像。本发明性能更高，且不需要大量算力和数据就可以实现自行调优。

公开(公告)号：CN113033645A

公开(公告)日：2021-06-25

申请号：CN202110290784.6

申请日：2021-03-18

Applicant: 南京大学

Inventor： 赖水长 ,  过洁 ,  郭延文

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种RGB‑D图像的多尺度融合深度图像增强方法及装置。本发明包括：(1)通过双分支逐步融合的方案，使RGB图像和深度图像输入可以在深度预测中相互补充，用深度确保图像大体结构完整，用彩色填充缺失像素值；(2)通过分析真实数据的噪声分布，设计了一种混合多尺度损失函数，保证即使在真实图像数据有噪声的情况下，高质量的清晰图像仍旧可以生成。本发明能够合理利用RGB图像和深度图像各自的特征，确保彩色图像所得到的特征信息对深度图像的修复起到辅助作用，最终预测完整的深度图像，显著提高了深度图像的质量。

公开(公告)号：CN113033645B

公开(公告)日：2024-12-13

申请号：CN202110290784.6

申请日：2021-03-18

Applicant: 南京大学

Inventor： 赖水长 ,  过洁 ,  郭延文

IPC: G06T5/60 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种RGB‑D图像的多尺度融合深度图像增强方法及装置。本发明包括：(1)通过双分支逐步融合的方案，使RGB图像和深度图像输入可以在深度预测中相互补充，用深度确保图像大体结构完整，用彩色填充缺失像素值；(2)通过分析真实数据的噪声分布，设计了一种混合多尺度损失函数，保证即使在真实图像数据有噪声的情况下，高质量的清晰图像仍旧可以生成。本发明能够合理利用RGB图像和深度图像各自的特征，确保彩色图像所得到的特征信息对深度图像的修复起到辅助作用，最终预测完整的深度图像，显著提高了深度图像的质量。