公开(公告)号：CN119996853A

公开(公告)日：2025-05-13

申请号：CN202510105755.6

申请日：2025-01-23

Applicant: 厦门大学

Inventor： 曹刘娟 ,  宋泉鉴 ,  林志航 ,  曾展鹏 ,  黄钊宏 ,  纪荣嵘

IPC: H04N23/95 ,  H04N5/262 ,  H04N21/854

Abstract: 本发明公开一种无需训练、无需显示修复的带有相机控制的视频生成方法，使得普通基座模型也能具备相机控制能力，该方法在潜在空间中操作，无需额外的修复模型和深度估计模型，实现了简洁轻量化。该视频生成方法在去噪过程中的特定时间步#imgabs0#对每一帧的潜在变量执行重排列操作；通过改变潜在变量的排列顺序模拟特定的摄像机动作；随后，在潜在空间中应用了重采样策略对新视角区域进行填充，同时结合跨帧融合对齐策略，确保采样过程在帧与帧之间保持一致性；引入了一种噪声重注入机制，通过在去噪后期将噪声重新注入潜在变量中，延长去噪时间，缓解因重排列、重采样而造成的分布偏移现象，有效提高了视频生成质量。

公开(公告)号：CN119180955A

公开(公告)日：2024-12-24

申请号：CN202411224391.5

申请日：2024-09-03

Applicant: 厦门大学

Inventor： 纪荣嵘 ,  黄钊宏 ,  张玉鑫 ,  林明宝

IPC: G06V10/26 ,  G06N5/04 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/80 ,  G06N3/09 ,  G06V10/82 ,  G06V10/40 ,  G06T7/00

Abstract: 本发明公开一种基于细节和语义深监督的医学影像分割方法、电子设备和存储介质，解决现有技术中存在的问题，保证低级特征与高级特征监督的同步融合，以便产生更可靠的分割结果。本发明包括以下具体步骤：步骤1、对于输入深监督神经网络的医学影像，提取其低级特征#imgabs0#和高级特征#imgabs1#，并输入细节增强模块和语义增强模块中进行解码以产生监督信号；步骤2、在训练阶段，进行每个监督信号的优化；步骤3、在推理过程，对所有的监督信号进行累加，得到最终的分割结果。