公开(公告)号：CN118154731A

公开(公告)日：2024-06-07

申请号：CN202410338906.8

申请日：2024-03-25

Applicant: 安徽大学

Inventor： 陈缘 ,  江波 ,  沈玲 ,  陈晓静

IPC: G06T13/00

Abstract: 本发明涉及一种基于隐式矢量表达的高可控卡通动画辅助制作方法，包括：将首尾两个关键帧的分镜草图输入矢量描述编码器，获得矢量描述先验#imgabs0#获得两张分镜草图的隐式矢量表达θ1、θ2；获得两张分镜草图上色后的隐式矢量表达#imgabs1#将两张分镜草图上色后的隐式矢量表达#imgabs2#输入中间帧绘制模块，获得一系列中间帧隐式矢量表达；得到SVG格式的矢量图；将SVG格式的矢量图转回光栅图像，构成一段动画序列。本发明通过多模态交互与隐式矢量表达实现分镜草图自动上色；在矢量空间使用扩散模型预测中间帧的运动信息，从而实现中间帧绘制。

公开(公告)号：CN117974598A

公开(公告)日：2024-05-03

申请号：CN202410135690.5

申请日：2024-01-31

Applicant: 安徽大学

Inventor： 江波 ,  周蝶 ,  陈缘 ,  汤进

IPC: G06T7/00 ,  A61B6/03 ,  A61B6/00 ,  G16H50/20

Abstract: 本发明公开一种基于多视角PET图像的分组自注意力图卷积早期脑疾病预测方法，从PET扫描的轴向视图、冠状视图和矢状视图中学习表征，然后结合起来共同决策。以轴向视图为例，首先利用骨干网络提取脑PET图像特征，并将其按通道分为四组。针对每一组特征，构建一个k邻域空间图，并应用图卷积方法，旨在学习每个位置的空间上下文感知特征表示，充分利用图像中的空间信息。随后，利用自注意力模块促进特征之间的信息交互，并将每一组得到的特征连接在一起。最后，再将不同视图的特征连接起来，通过多层感知器对特征进行分类，使用加权二元交叉熵损失函数，并通过多次迭代训练获得最终的分类结果。

公开(公告)号：CN116342875A

公开(公告)日：2023-06-27

申请号：CN202310108995.2

申请日：2023-02-14

Applicant: 安徽大学

Inventor： 江波 ,  孙惠 ,  陈缘

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V10/778 ,  G06N3/0464

Abstract: 本发明公开一种基于多尺度自注意力特征融合的小样本分割方法，首先使用在Imagenet上预训练过的孪生CNN作为主干网络来提取支持和查询样本的特征；将所得高级特征和中级特征分别输入至目标激活模块和多尺度自注意力特征融合模块，分别提取出目标激活图和查询样本增强后的特征表示；通过基于多尺度自注意力特征融合模块对各个尺度增强后的查询特征进行融合，把粗粒度信息和细粒度信息有效融合起来，更好的突出目标物体的边缘轮廓与位置；将融合后的多尺度查询特征图用于最终的小样本分割预测，通过多次迭代训练得到最后分割结果。

公开(公告)号：CN117676127A

公开(公告)日：2024-03-08

申请号：CN202311800505.1

申请日：2023-12-26

Applicant: 安徽大学

Inventor： 陈晓静 ,  杨晓曦 ,  陈缘

IPC: H04N17/00 ,  G06V20/40 ,  G06V10/82 ,  G06V10/98 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/082 ,  G06N3/0895 ,  H04N21/234 ,  H04N21/44

Abstract: 本发明涉及一种卡通视频质量的盲评估方法，与现有技术相比解决了卡通视频评估方法可靠性差的缺陷。本发明包括以下步骤：原卡通视频和对应失真视频的获取和预处理；构建卡通视频质量盲评估模型；卡通视频质量盲评估模型的预训练；具有真实质量标签卡通视频和待评估卡通视频的获取和预处理；卡通视频质量的盲评估结果的获得。本发明克服了卡通标记数据集不足的问题并提高了卡通视频质量评估的可靠性和泛化性，使得对于卡通视频质量的评估更加符合人类视觉感知。

公开(公告)号：CN116580189A

公开(公告)日：2023-08-11

申请号：CN202310324346.6

申请日：2023-03-30

Applicant: 安徽大学

Inventor： 刘岩 ,  江波 ,  陈缘

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764

Abstract: 本发明公开一种基于光谱和空间稀疏特征表示的高光谱图像分割方法，通过构建基础网络模型，初步提取视觉特征；接着通过在光谱维度进行分组获得多组光谱特征，在每组特征中使用光谱卷积神经网络获得每组光谱内部之间的关系；再通过稀疏Transformer模块来进行多个光谱组之间的交互，获得光谱之间的序列信息；之后通过空间卷积模块来提取高光谱图像的空间局部特征，通过稀疏Transformer模块提取高光谱图像的空间全局特征，最后将获得的光谱空间特征进行分割。