-
Patent Agency Ranking
公开(公告)号：CN118922800A
公开(公告)日：2024-11-08
申请号：CN202280093011.1
申请日：2022-11-29
Applicant: 微软技术许可有限责任公司
Inventor： M·S·阿里阿克巴里安 , P·J·卡梅伦 , A·W·菲茨吉本 , T·J·卡什曼
Abstract: 一种用于预测铰接对象的姿态的方法包括接收针对所述铰接对象的n个关节的空间信息。将针对所述n个关节的空间信息传递至机器学习模型，所述机器学习模型先前被训练以接收针对n+m个关节的空间信息作为输入，其中，m>＝1。从所述机器学习模型接收针对所述铰接对象的姿态预测作为输出，所述姿态预测至少基于针对所述n个关节的空间信息而无需针对所述m个关节的空间信息。
-
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：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：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：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。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
