-
公开(公告)号：CN119137632A
公开(公告)日：2024-12-13
申请号：CN202380024886.0
申请日：2023-01-10
Applicant: 微软技术许可有限责任公司
IPC: G06V40/16
Abstract: 在图像中预测关键点。执行被配置为预测作为2D随机变量的关键点中的每个关键点的神经网络，所述2D随机变量通常以2D位置和2×2协方差矩阵正态分布。所述神经网络被训练，以使来自所预测的关键点中的每个关键点的样本等于基础事实的对数似然值最大化。在不生成热图的情况下使用经训练的神经网络来预测图像的关键点。
-
Patent Agency Ranking
公开(公告)号：CN117377977A
公开(公告)日：2024-01-09
申请号：CN202280036610.X
申请日：2022-04-28
Applicant: 微软技术许可有限责任公司
IPC: G06T7/33
Abstract: 在各种示例中，存在用于对准人的三维3D表示的装置。该装置包括至少一个处理器和存储指令的存储器，当该指令被该至少一个处理器执行时，实施一种方法，该方法包括：访问第一3D表示，该第一3D表示是人的参数模型的实例；访问第二3D表示，该第二3D表示是人的照片级真实表示；计算第一3D表示和第二3D表示的对准；以及根据经对准的第一3D表示和经对准的第二3D表示计算并存储全息图，使得全息图描绘仅在第一3D表示和第二3D表示中的一个中观察到的人的部分；或者控制表示人的化身，其中化身描绘仅在第一3D表示和第二3D表示中的一个中观察到的人的部分。
-
公开(公告)号：CN115802943A
公开(公告)日：2023-03-14
申请号：CN202180043487.X
申请日：2021-04-06
Applicant: 微软技术许可有限责任公司
Inventor： D·J·麦克达夫 , J·埃尔南德斯·里维拉 , T·巴尔特鲁塞蒂斯 , E·W·伍德
IPC: A61B5/1455 , G06N3/02
Abstract: 提供了涉及生成包含生理逼真化身的视频序列的系统和方法。在示例中，针对化身的反照率被接收，与反照率相关联的次表面皮肤颜色基于与生理特性相关联的生理数据而被修改，以及化身基于反照率和经修改的次表面皮肤颜色而被渲染。然后，渲染的化身可以在视频的帧中被合成。在一些示例中，包含合成的化身的视频可被用于训练机器学习模型以检测生理特性。机器学习模型可以接收多个视频片段，其中视频片段中的一个或多个视频片段包含用生理特性生成的合成生理逼真化身。机器学习模型可以使用多个视频片段来训练。经训练的模型可以被提供给请求实体。
-
公开(公告)号：CN119137621A
公开(公告)日：2024-12-13
申请号：CN202380033229.2
申请日：2023-01-26
Applicant: 微软技术许可有限责任公司
IPC: G06T13/40
Abstract: 一种用于虚拟表示人类身体姿态的方法，包括：接收定位数据，所述定位数据至少部分基于来自一个或多个传感器的输入，详细说明人类用户的一个或多个身体部分的参数。维护一个或多个映射约束，所述一个或多个映射约束将模型铰接表示关联到目标铰接表示。至少部分基于所述定位数据和所述一个或多个映射约束，同时估计所述模型铰接表示的模型姿态和所述目标铰接表示的目标姿态。先前经训练的姿态优化机器是利用具有针对所述模型铰接表示的基础事实标签的训练定位数据来训练的。输出所述目标铰接表示，以与所述目标姿态作为所述人类用户的虚拟表示以供显示。
-
公开(公告)号：CN119013689A
公开(公告)日：2024-11-22
申请号：CN202380027164.0
申请日：2023-02-21
Applicant: 微软技术许可有限责任公司
Abstract: 本文所描述的技术公开了一种系统，该系统被配置为使用对象的可访问三维模型来检测和跟踪颜色图像中的对象(例如，头戴式显示设备)的三维姿态。该系统使用对象的三维姿态来修复与对象的区域(例如，表面)相关联的像素深度值，该区域由吸收由飞行时间深度传感器发射的光的材料组成，以确定深度。因此，可以产生颜色深度图像(例如，红绿蓝深度图像或RGB‑D图像)，该颜色深度图像在对象的由吸收由飞行时间深度传感器发射的光的材料组成的区域上以及在该区域周围不包括暗孔。
-
公开(公告)号：CN118805208A
公开(公告)日：2024-10-18
申请号：CN202380024887.5
申请日：2023-02-08
Applicant: 微软技术许可有限责任公司
Inventor： J·P·C·瓦伦丁 , E·W·伍德 , T·J·卡什曼 , M·德拉戈尔斯 , T·巴尔特鲁萨迪斯 , D·S·维尔德 , 申晶晶 , M·A·约翰逊 , C·T·休伊特 , N·米洛萨夫列维奇 , S·J·加尔宾 , T·夏普 , I·斯托伊利科夫
IPC: G06V40/16
Abstract: 在图像中预测关键点。针对作为2D随机变量的、图像的关键点中的每个关键点生成预测，所述2D随机变量以位置(x，y)和标准偏差σ正态分布。神经网络被训练，以使来自预测的关键点中的每个关键点的样本等于基础事实的对数似然值最大化。经训练的神经网络被用于在不生成热图的情况下预测图像的关键点。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
