-
Patent Agency Ranking
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。
-
公开(公告)号：CN119497876A
公开(公告)日：2025-02-21
申请号：CN202380052012.6
申请日：2023-06-12
Applicant: 微软技术许可有限责任公司
Abstract: 为了计算包括3D对象的动态3D场景的图像，接收对所述3D对象的变形的描述，所述描述包括基元3D元素的笼和来自物理引擎或关节式对象模型的相关联的动画数据。针对所述图像的像素，所述方法计算根据所述动画数据而动画化的从虚拟相机通过所述像素到所述笼中的射线，并且计算所述射线上的多个样本。每个样本是所述3D元素中的一个3D元素中的3D位置和视图方向。所述方法计算所述样本到规范笼中的变换。针对每个经变换的样本，所述方法查询所述3D场景的学习的辐射场参数化以获得颜色值和不透明度值。体积渲染方法被应用于所述颜色值和所述不透明度值，以产生所述图像的像素值。
-
公开(公告)号：CN116848839A
公开(公告)日：2023-10-03
申请号：CN202280014565.8
申请日：2022-01-20
Applicant: 微软技术许可有限责任公司
IPC: H04N7/15
Abstract: 一种系统接收来自用户的输入以发起生成所述用户的全息替身的过程。所述系统获得所述用户的图像数据，并且解构所述图像数据以获得稀疏数据集，所述稀疏数据集识别与所述用户的所述图像数据相关联的一个或多个属性。所述系统使用全息替身训练模型来基于所述稀疏数据集和所获得的图像数据来生成和训练所述用户的全息替身。所述系统在捕获所述用户的新图像数据的同时并发地向所述用户渲染所述全息替身的表示，接收来自所述用户的包括对所述全息替身的批准的输入，以及通过保存所述全息替身以供后续使用来完成对所述全息替身的训练。所述后续使用包括一个或多个远程视觉通信会话。
-
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
5
records
(took 0.022 seconds)
