-
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：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。
-
公开(公告)号：CN117015806A
公开(公告)日：2023-11-07
申请号：CN202280021761.8
申请日：2022-03-01
Applicant: 微软技术许可有限责任公司
IPC: G06T15/55 , G06T15/20 , G06T7/90 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 提供了用于训练机器学习模型，以基于位置数据以及基于方向数据的与特定视图方向相关联的加权方案来生成密度值和辐射分量，从而计算沿着多个相机光线的每个点的最终RGB值的方法和系统。位置数据和方向数据是从特定静态场景的一组训练图像中提取的。辐射分量、密度值和加权方案被缓存，以实现高效的图像数据处理，从而对采样的每个点执行体积渲染。基于采样的每个点的体积渲染生成静态场景的新颖视点。
-
-
Search Results
3
records
(took 0.042 seconds)
