-
公开(公告)号:CN102144231A
公开(公告)日:2011-08-03
申请号:CN200980132530.9
申请日:2009-06-16
Applicant: 微软公司
IPC: G06F17/30
CPC classification number: G06F17/30256 , G06K9/00664 , G06K9/46
Abstract: 描述了一种根据与用户选择图像的视觉相似性对按某种相关性估计(例如,根据基于文本的相似性)被初始排序的图像重新排序的技术。接收用户选择的图像并将其分类到意图类中,诸如景观类、肖像类等等。使用该意图类来确定如何比较其他图像的视觉特征和用户选择的图像的视觉特征。例如,比较操作可以取决于为用户选择的图像确定哪个意图类来使用不同的特征加权。其他图像基于其所计算的与用户选择的图像的相似性来重新排序,并作为查询结果返回。还描述了使用实际的用户提供的相关性反馈来重新调整特征权重。
-
公开(公告)号:CN101288069A
公开(公告)日:2008-10-15
申请号:CN200680038308.9
申请日:2006-10-13
Applicant: 微软公司
CPC classification number: H04N21/435 , H04N21/235 , H04N21/8583
Abstract: 所提供的系统(100)将可点击超链接(304)与出现在视频流(200)中的对象(204)绑定或相关联。超链接可在与视频流分开的流中发送,向用户提供用户界面(300)来激活超链接。超链接的激活可引起至相关联网站(308)的重定向。此外,可就用户对于兴趣的活动以及对于视频中的特定超链接的激活来提供反馈。
-
公开(公告)号:CN101283379A
公开(公告)日:2008-10-08
申请号:CN200680037802.3
申请日:2006-10-16
Applicant: 微软公司
CPC classification number: G06K9/6228 , G06K9/469 , G06K9/6255
Abstract: 示例性系统和方法使用对图像的微结构建模来提取图像特征。图像中的微结构被建模为马尔柯夫随机场,并且向训练图像学习模型参数。微模式从建模的微结构自适应地设计,它捕捉该图像的空间背景。在一个实现中,可以为图像的每个块自动地设计基于建模的微结构的微模式系列,以提供由于对各个图像、各个象素特征和图像中各个点的自适应性的改进的特征提取和识别。
-
公开(公告)号:CN101689305B
公开(公告)日:2013-09-04
申请号:CN200880018756.1
申请日:2008-06-05
Applicant: 微软公司
IPC: G06T7/40
CPC classification number: G06K9/621 , G06T7/11 , G06T7/12 , G06T7/162 , G06T7/174 , G06T7/194 , G06T7/90 , G06T2207/10024 , G06T2207/20072 , G06T2207/20081 , G06T2207/20121
Abstract: 本发明描述了用于从单个示例学习视觉对象剪切的系统和方法。在一个实现中,示例性系统确定模式图像中每个块附近的色彩上下文以创建外观模型。该系统还学习跨模型图像中的视觉边缘出现的色彩序列以创建边缘轮廓模型。该示例性系统接着基于外观模型和边缘轮廓模型来推断未知图像中的分割边界。在一个实现中,该示例性系统将图形剪切模型中的能量最小化,其中外观模型用于数据能量而边缘轮廓用于调整边缘。该系统不限于具有几乎相同的前景或背景的图像。比例、旋转和视点上的某些变化是允许的。
-
公开(公告)号:CN101283379B
公开(公告)日:2012-11-28
申请号:CN200680037802.3
申请日:2006-10-16
Applicant: 微软公司
CPC classification number: G06K9/6228 , G06K9/469 , G06K9/6255
Abstract: 示例性系统和方法使用对图像的微结构建模来提取图像特征。图像中的微结构被建模为马尔柯夫随机场,并且向训练图像学习模型参数。微模式从建模的微结构自适应地设计,它捕捉该图像的空间背景。在一个实现中,可以为图像的每个块自动地设计基于建模的微结构的微模式系列,以提供由于对各个图像、各个象素特征和图像中各个点的自适应性的改进的特征提取和识别。
-
公开(公告)号:CN101283376A
公开(公告)日:2008-10-08
申请号:CN200680037803.8
申请日:2006-10-13
Applicant: 微软公司
IPC: G06T7/20
CPC classification number: G06K9/3241 , G06K9/32 , G06T7/277
Abstract: 本视频跟踪技术基于从整体状态序列的开始和结束关键帧获取的两个对象模板输出目标对象的最大后验(MAP)解答。该技术首先通过在该序列的每个帧中生成局部二维模式的稀疏集来最小化序列的整体状态空间。该二维模式被转换成三维体内的三维点。使用谱聚技术来群集该三维点,其中每个群集对应于该目标对象的可能的轨迹分段。如果在该序列中有遮挡,则生成遮挡分段,使得可以获取该目标对象的最佳轨迹。
-
公开(公告)号:CN101288100B
公开(公告)日:2013-01-16
申请号:CN200680038190.X
申请日:2006-10-16
Applicant: 微软公司
CPC classification number: G06K9/20 , G06K9/6207 , G06K2209/40 , G06T7/593 , G06T2207/10012 , G06T2207/20016
Abstract: 公开了在立体成像中对遮蔽的处理。在一个实现中,利用一个立体图像中的突变与第二立体图像中的遮蔽之间的关联。在这样一个实现中,分割第一和第二立体图像。使用第二立体图像中的突变的映射来形成第一立体图像中遮蔽的分界线的至少一部分。在第二立体图像的两个分割部分之间的分界线处找到被映射的突变,并且一旦被映射,将第一立体图像中的分割部分划分为两个碎片。以迭代方式进行能量计算,用碎片的异应和遮蔽交替改变解。在最小化时,得到在碎片和像素级别上的异应和遮蔽。
-
公开(公告)号:CN101283376B
公开(公告)日:2011-03-23
申请号:CN200680037803.8
申请日:2006-10-13
Applicant: 微软公司
IPC: G06T7/20
CPC classification number: G06K9/3241 , G06K9/32 , G06T7/277
Abstract: 本视频跟踪技术基于从整体状态序列的开始和结束关键帧获取的两个对象模板输出目标对象的最大后验(MAP)解答。该技术首先通过在该序列的每个帧中生成局部二维模式的稀疏集来最小化序列的整体状态空间。该二维模式被转换成三维体内的三维点。使用谱聚技术来群集该三维点,其中每个群集对应于该目标对象的可能的轨迹分段。如果在该序列中有遮挡,则生成遮挡分段,使得可以获取该目标对象的最佳轨迹。
-
公开(公告)号:CN101689305A
公开(公告)日:2010-03-31
申请号:CN200880018756.1
申请日:2008-06-05
Applicant: 微软公司
IPC: G06T7/40
CPC classification number: G06K9/621 , G06T7/11 , G06T7/12 , G06T7/162 , G06T7/174 , G06T7/194 , G06T7/90 , G06T2207/10024 , G06T2207/20072 , G06T2207/20081 , G06T2207/20121
Abstract: 描述了用于从单个示例学习视觉对象剪切的系统和方法。在一个实现中,示例性系统确定模式图像中每个块附近的色彩上下文以创建外观模型。该系统还学习跨模型图像中的视觉边缘出现的色彩序列以创建边缘轮廓模型。该示例性系统接着基于外观模型和边缘轮廓模型来推断未知图像中的分割边界。在一个实现中,该示例性系统将图形剪切模型中的能量最小化,其中外观模型用于数据能量而边缘轮廓用于调整边缘。该系统不限于具有几乎相同的前景或背景的图像。比例、旋转和视点上的某些变化是允许的。
-
公开(公告)号:CN101288100A
公开(公告)日:2008-10-15
申请号:CN200680038190.X
申请日:2006-10-16
Applicant: 微软公司
CPC classification number: G06K9/20 , G06K9/6207 , G06K2209/40 , G06T7/593 , G06T2207/10012 , G06T2207/20016
Abstract: 公开了在立体成像中对遮蔽的处理。在一个实现中,利用一个立体图像中的突变与第二立体图像中的遮蔽之间的关联。在这样一个实现中,分割第一和第二立体图像。使用第二立体图像中的突变的映射来形成第一立体图像中遮蔽的分界线的至少一部分。在第二立体图像的两个分割部分之间的分界线处找到被映射的突变,并且一旦被映射,将第一立体图像中的分割部分划分为两个碎片。以迭代方式进行能量计算,用碎片的异应和遮蔽交替改变解。在最小化时,得到在碎片和像素级别上的异应和遮蔽。
-
-
-
-
-
-
-
-
-