-
公开(公告)号:CN114339120A
公开(公告)日:2022-04-12
申请号:CN202111522154.3
申请日:2021-12-13
Applicant: 微软技术许可有限责任公司
IPC: H04N7/15 , H04N13/363 , H04N13/383 , G06N3/04
Abstract: 根据本公开的实现,提供了一种用于沉浸式视频会议的方案。在该方案中,首先确定视频会议的会议模式,该会议模式可以指示视频会议的虚拟会议空间的布局。进一步地,可以基于布局来确定与视频会议中的第二参与方相关联的视点信息,该视点信息用于指示第二参与方在视频会议中观看第一参与方的虚拟视点。进一步地,可以基于视点信息确定第一参与方的第一视图,并向与第二参与方相关联的会议设备发送第一视图,以用于向第二参与方显示基于该第一视图生成的会议图像。由此,一方面,能够使视频会议参与方获得更加真实的沉浸式视频会议体验,另一方面,可以更加灵活地根据需要获得期望的虚拟会议空间布局。
-
公开(公告)号:CN112233212A
公开(公告)日:2021-01-15
申请号:CN201910578770.7
申请日:2019-06-28
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现,提出了一种用于人像编辑与合成的方案。在该方案中,关于用户的头部的第一图像被获取。表示该用户的头部的三维头部模型基于第一图像被生成。该三维头部模型响应于接收到改变该用户的头部特征的命令而被变换,以体现用户经改变的头部特征。关于该用户的头部的第二图像基于经变换的三维头部模型被生成,并且体现用户经改变的头部特征。以此方式,该方案能够在无需人工介入的情况下仅基于单幅人像来实现对头部姿势和/或脸部表情等特征的编辑,并且自动地合成对应的图像。
-
公开(公告)号:CN110728350A
公开(公告)日:2020-01-24
申请号:CN201810715757.7
申请日:2018-06-29
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现,提出了一种用于机器学习模型的量化的方案。在该方案中,获得机器学习模型中的处理单位所使用的处理参数的当前值。基于预定数目的基础量化参数的当前值和特定于处理参数的二值量化参数的当前值来量化处理参数的当前值,以获得处理参数的量化值,二值量化参数与基础量化参数分别对应,并且预定数目与用于量化的比特数目相同。基于处理参数的量化值与处理参数的当前值之间的差异,更新基础量化参数的当前值和二值量化参数的当前值,以用于特定于处理参数的量化。以此方式,不仅能够获得由网络量化带来的存储和处理开销的降低,而且还能进一步提高量化准确度。
-
公开(公告)号:CN109284653A
公开(公告)日:2019-01-29
申请号:CN201710597328.X
申请日:2017-07-20
Applicant: 微软技术许可有限责任公司
IPC: G06K9/00
Abstract: 根据本公开的实现,提出了一种基于计算机视觉的细长物体检测方案。在该方案中,包含待检测的至少一个细长物体的多个图像被获取。多个图像中的多个边缘被提取,并且多个边缘的相应深度被确定。此外,包含在多个图像中的至少一个细长物体基于多个边缘的相应深度而被标识,经标识的至少一个细长物体由多个边缘中的至少一个边缘表示。该至少一个细长物体是横截面积与长度的比值显著较小的物体。这种细长物体在传统检测方案中往往难以被检测到,但是本公开的实现有效地解决了这一难题。
-
公开(公告)号:CN110728350B
公开(公告)日:2024-07-26
申请号:CN201810715757.7
申请日:2018-06-29
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现,提出了一种用于机器学习模型的量化的方案。在该方案中,获得机器学习模型中的处理单位所使用的处理参数的当前值。基于预定数目的基础量化参数的当前值和特定于处理参数的二值量化参数的当前值来量化处理参数的当前值,以获得处理参数的量化值,二值量化参数与基础量化参数分别对应,并且预定数目与用于量化的比特数目相同。基于处理参数的量化值与处理参数的当前值之间的差异,更新基础量化参数的当前值和二值量化参数的当前值,以用于特定于处理参数的量化。以此方式,不仅能够获得由网络量化带来的存储和处理开销的降低,而且还能进一步提高量化准确度。
-
公开(公告)号:CN117441195A
公开(公告)日:2024-01-23
申请号:CN202180097514.1
申请日:2021-04-26
Applicant: 微软技术许可有限责任公司
IPC: G06V10/54
Abstract: 根据本公开的实现,提供了一种用于补全对象的纹理的解决方案。在该解决方案中,根据纹理生成模型,从对象的部分纹理图生成对象的完整纹理图。根据纹理判别模型,确定关于完整纹理图中至少一个块是否包括所推断的纹理的第一预测。第二图像是基于完整纹理图生成的。根据图像判别模型,确定关于第一图像和第二图像是否是所生成的图像的第二预测。基于第一预测和第二预测,训练纹理生成模型、纹理判别模型和图像判别模型。
-
-
-
-
-