公开(公告)号：CN117710578A

公开(公告)日：2024-03-15

申请号：CN202311709901.3

申请日：2023-12-13

Applicant: 重庆邮电大学

Inventor： 唐述 ,  何嘉宾 ,  龚煦 ,  蒋忱迅 ,  罗钧元 ,  任川渝

IPC: G06T17/00 ,  G06T15/50

Abstract: 本发明涉及一种同时实现表面重建和材质估计的多视图三维重建方法，属于三维重建技术领域。该方法在由几何MLP网络、Color MLP网络和Light MLP网络构成的神经网络中，该方法采用一种增强的低频到高频编码配准策略将场景的输入位置转换为高维傅里叶特征，以增加MLP网络输入数据的维数；使用NeRF公式和SDF权值来估计每一采样射线的表面点，更好地反映场景的几何形状和光照效果；在几何MLP网络中，通过一种基于体渲染的材料估计策略在每个表面点上估计材料的基色、粗糙度和金属度，实现材料估计。本发明提高了重建精度的同时，可同时获得物体的材质和三维信息，为基于图像的三维重建和材质估计开辟了一条新的途径。

公开(公告)号：CN118101930A

公开(公告)日：2024-05-28

申请号：CN202410030013.7

申请日：2024-01-09

Applicant: 重庆邮电大学

Inventor： 唐述 ,  李佳庆 ,  任川渝 ,  罗钧元 ,  蒋忱迅

IPC: H04N19/105 ,  H04N19/172 ,  H04N19/177 ,  H04N19/132 ,  H04N19/587 ,  G06T9/00

Abstract: 本发明涉及一种结合帧插值和掩码的高质量视频压缩方法，属于计算机视觉领域。利用Deqing Sun等人提出的光流网络PWC计算光流，通过光流扭曲由帧插值网络生成的参考帧后得到待压缩帧的预测帧，利用待压缩帧减去预测帧得到需要压缩的残差。在解码器端获得粗版重建帧后，利用基于U‑Net的掩码网络生成掩码，结合用帧插值网络生成的参考帧和粗版重建帧，得到质量更高的重建帧作为最终的重建帧，最终实现性能更高的视频压缩。与现有的技术相比，本发明提出的编解码器网络有更强大的压缩和解压能力，能够以更低的压缩成本得到更高质量的解压信息，同时引入的帧插值技术和掩码网络能进一步增强压缩性能并得到更高质量的重建帧。

公开(公告)号：CN117710649A

公开(公告)日：2024-03-15

申请号：CN202311690168.5

申请日：2023-12-11

Applicant: 重庆邮电大学

Inventor： 唐述 ,  谢希成 ,  蒋忱迅 ,  罗钧元 ,  任川渝

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766

Abstract: 本发明涉及一种结合点集预测和可形变卷积的目标检测方法，属于目标检测技术领域。该方法包括：将待测图片输入骨干网络中进行基础特征提取得到特征图F1；将特征图F1输入颈部网络进行多尺度特征提取得到多尺度特征图F2，然后执行注意力机制得到特征图F3；将特征图F3输入头部网络中进行分类和回归，得到图片分类结果。本发明将点集与可形变卷积相结合，通过本方法提取的特征，因为可形变卷积偏置的缘故，将会只对前景特征和少部分背景特征进行特征提取，从而提高了目标检测器分类和回归的精度。

公开(公告)号：CN117710578B

公开(公告)日：2024-07-02

申请号：CN202311709901.3

申请日：2023-12-13

Applicant: 重庆邮电大学

Inventor： 唐述 ,  何嘉宾 ,  龚煦 ,  蒋忱迅 ,  罗钧元 ,  任川渝

IPC: G06T17/00 ,  G06T15/50

Abstract: 本发明涉及一种同时实现表面重建和材质估计的多视图三维重建方法，属于三维重建技术领域。该方法在由几何MLP网络、Color MLP网络和Light MLP网络构成的神经网络中，该方法采用一种增强的低频到高频编码配准策略将场景的输入位置转换为高维傅里叶特征，以增加MLP网络输入数据的维数；使用NeRF公式和SDF权值来估计每一采样射线的表面点，更好地反映场景的几何形状和光照效果；在几何MLP网络中，通过一种基于体渲染的材料估计策略在每个表面点上估计材料的基色、粗糙度和金属度，实现材料估计。本发明提高了重建精度的同时，可同时获得物体的材质和三维信息，为基于图像的三维重建和材质估计开辟了一条新的途径。

公开(公告)号：CN117857823A

公开(公告)日：2024-04-09

申请号：CN202410075676.0

申请日：2024-01-18

Applicant: 重庆邮电大学

Inventor： 唐述 ,  周广义 ,  赵瑜 ,  杨书丽 ,  蒋忱迅 ,  罗钧元 ,  任川渝 ,  韦哲韬 ,  董文琦 ,  梁雅琪 ,  姚智皓

IPC: H04N19/96 ,  H04N19/176 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种高效的多尺度CTU分区网络架构，属于视频编码领域。该网络架构包括一级预测结构、二级预测结构以及三级预测结构，其中，一级预测结构用于预测64×64CU是否需要划分，二级预测结构用于预测32×32CU是否需要划分；三级预测结构用于预测16×16CU是否需要划分；三级预测结构中包括多尺度特征提取层、深层特征提取层以及CU分区预测输出层，二级预测结构和一级预测结构中同样包括深层特征提取层以及CU分区预测输出层，而二级预测结构中是双尺度特征提取层，一级预测结构中是单尺度特征提取层。本发明对不同尺寸下CU的图像特征信息的提取，进而实现更加准确的CTU分区预测，从而降低HEVC的编码复杂度。