-
公开(公告)号：CN119942544A
公开(公告)日：2025-05-06
申请号：CN202411873197.X
申请日：2024-12-17
Applicant: 鹏城实验室
Abstract: 本申请实施例提供前景目标分割与重建方法、装置、设备和存储介质，涉及计算机视觉技术领域。该方法将视频帧直接输入目标分割模型，以此生成前景目标分割掩膜，将前景目标分割掩膜和对应的初始高斯点云关联作为输入数据输入时空高斯泼溅模型中进行数据处理，对输入数据进行时间切片划分，得到每个时间切片对应的切片高斯点云，获取每个切片高斯点云对应的二维高斯曲面，并根据多个二维高斯曲面得到每个视角对应的渲染图像。根据每个视角对应的渲染图像得到处理时刻的前景目标渲染序列，根据所有采集时刻的前景目标渲染序列生成前景目标重建结果。在降低对外部先验信息依赖的同时，还可保障时序的稳定性，提升渲染结果的准确率。
-
公开(公告)号：CN119537027A
公开(公告)日：2025-02-28
申请号：CN202411926301.7
申请日：2024-12-25
Applicant: 鹏城实验室
IPC: G06F9/50
Abstract: 本申请实施例提供了一种基于智算集群的资源分配方法、装置、设备及存储介质。方法包括：确定智算服务节点集群处理每个任务队列关联的历史任务的平均处理时长及任务分配率；每个任务队列对应一个目标约束函数，每个目标约束函数用于在满足当前任务队列对应的任务延迟处理比例阈值下，限定平均处理时长变量、任务分配率变量以及服务节点总量变量，与当前任务队列的服务节点分配权重变量之间的函数关系；对每个任务队列的目标约束函数进行计算得到对应的目标服务节点分配权重，分配对应的服务器节点子集；按照待处理任务的最大任务延迟阈值，确定对应分配的任务队列并处理对应任务队列中的待处理任务。以此能够降低系统延时，充分利用系统资源。
-
公开(公告)号：CN119473627A
公开(公告)日：2025-02-18
申请号：CN202411920717.8
申请日：2024-12-25
Applicant: 鹏城实验室
IPC: G06F9/50
Abstract: 本申请实施例提供了一种服务器集群的能效比调优方法、装置、设备及存储介质，属于计算机处理技术领域。该方法包括：基于已有的能效比信息和相应的调控参数集合，构建多个处理器的调控参数与服务器集群的能效比之间分布关系的分布模型，基于分布模型构建用于评估调控参数集合质量的采集函数；在最优化采集函数的前提下，基于分布模型对已有能效比信息之外的其他调控参数集合进行采样，确定服务器集群在被采样的调控参数集合下工作时新的能效比信息；从更新后多个已有的能效比信息中确定满足预设能效比要求的目标能效比信息，并控制服务器集群在目标调控参数集合下工作。本申请能够在提高服务器集群的能效比、减少能源消耗。
-
公开(公告)号：CN119407766A
公开(公告)日：2025-02-11
申请号：CN202411455636.5
申请日：2024-10-17
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B25J9/16
Abstract: 本申请实施例提供了一种机器人模仿学习方法、装置、计算机设备及可读存储介质。方法包括：按照时间顺序获取演示数据，并将其输入至目标模型的第一编码器中进行高维特征的提取，得到第一目标特征；获取演示数据对应的动作指示信息，通过条件变分自编码器，根据动作指示信息将第一目标特征分解成得到多个动作块，并根据动作指示信息依次对多个动作块进行特征重构，得到对应的多个第一子特征，将多个第一子特征进行拼接得到第一目标特征对应的第二目标特征；通过目标模型的第一解码器对第二目标特征进行预测，得到机器人的关节部位在下一时刻的关节位置参数；根据关节位置参数控制机器人进行模仿。以此，能够提高机器人进行模仿学习的准确性。
-
公开(公告)号：CN119204130A
公开(公告)日：2024-12-27
申请号：CN202411494384.7
申请日：2024-10-24
Applicant: 鹏城实验室
IPC: G06N3/063 , G06N3/08 , G06F15/173
Abstract: 本申请实施例公开一种智能计算系统架构，其中，计算板中包括多个第一网络芯片、多个神经网络处理器和多个中央处理器，多个神经网络处理器和多个中央处理器通过多个第一网络芯片通信连接构成第一计算网络层；计算框包含多个计算板和多个交换板，多个计算板与多个交换板通信连接构成第二计算网络层；计算柜至少包括两个计算框；网络柜与计算柜通信连接、网络柜和存储柜通信连接构成第三计算网络层，网络柜中包括基于第三计算网络层构建的第四计算网络层，第一计算网络层、第二计算网络层、第三计算网络层和第四计算网络层构成计算网络，计算网络用于人工智能模型训练过程中的数据传输。该智能计算系统架构能够提高对人工智能模型的训练效率。
-
Patent Agency Ranking
公开(公告)号：CN115086672B
公开(公告)日：2024-08-23
申请号：CN202110264409.4
申请日：2021-03-11
Applicant: 鹏城实验室
IPC: H04N19/42 , H04N19/124 , H04N19/91 , H04N19/136 , H04N19/186
Abstract: 本发明公开了一种点云属性编码方法、装置、解码方法、装置及相关设备，其中，上述点云属性编码方法包括：对待编码点云数据进行排序和分组，获取待编码组，其中，上述待编码点云数据为属性待编码的点云数据；基于变换矩阵分别对各上述待编码组进行变换，获取变换系数，其中，上述变换系数包括直流系数和交流系数；分别获取各上述待编码组的直流系数预测值，基于上述直流系数预测值和上述变换系数实现对各上述待编码组的点云属性编码。与现有技术相比，本发明方案有利于提高编码性能，获得更好的点云属性压缩效果。
-
公开(公告)号：CN116662021B
公开(公告)日：2024-06-21
申请号：CN202310955865.2
申请日：2023-08-01
Applicant: 鹏城实验室
IPC: G06F9/50 , G06V20/52 , H04L67/1004
Abstract: 本发明公开一种基于端边云架构的协同调度系统及方法，所述基于端边云架构的协同调度系统包括云节点调度系统、若干边缘调度系统以及若干终端，各边缘调度系统均为云节点调度系统的下级，终端为边缘调度系统和/或云节点调度系统的下级。云节点调度系统可以根据任务信息和整个系统的资源情况，在云节点、边缘节点以及终端之间进行任务调度，实现系统资源的优化利用和任务自动优化调度，保障各类任务顺利高效地执行，实现在端边云架构上对任务的协同调度和端边云协同工作。
-
公开(公告)号：CN116627433B
公开(公告)日：2024-01-09
申请号：CN202310881075.4
申请日：2023-07-18
Applicant: 鹏城实验室
Abstract: 本申请提供了一种AI处理器实时的参数预测方法、系统、设备及介质，属于人工智能技术领域。方法包括：在AI处理器上运行目标应用程序，在建模阶段，采集AI处理器运行过程中的基本参数；实时通过AI处理器对应的非侵入式调节工具调节基本参数，并在实时调节过程中获取各个基本参数对应的目标运行参数；基于多个目标运行参数与对应的基本参数进行拟合操作，建立由基本参数映射到目标运行参数的函数模型；在预测阶段，获取实时的基本参数，并将实时的基本参数输入到函数模型中，得到预测的目标运行参数，以根据预测的目标运行参数确定参数预测结
-
公开(公告)号：CN116662021A
公开(公告)日：2023-08-29
申请号：CN202310955865.2
申请日：2023-08-01
Applicant: 鹏城实验室
IPC: G06F9/50 , G06V20/52 , H04L67/1004
Abstract: 本发明公开一种基于端边云架构的协同调度系统及方法，所述基于端边云架构的协同调度系统包括云节点调度系统、若干边缘调度系统以及若干终端，各边缘调度系统均为云节点调度系统的下级，终端为边缘调度系统和/或云节点调度系统的下级。云节点调度系统可以根据任务信息和整个系统的资源情况，在云节点、边缘节点以及终端之间进行任务调度，实现系统资源的优化利用和任务自动优化调度，保障各类任务顺利高效地执行，实现在端边云架构上对任务的协同调度和端边云协同工作。
-
公开(公告)号：CN116248879A
公开(公告)日：2023-06-09
申请号：CN202111488360.7
申请日：2021-12-07
Applicant: 鹏城实验室 , 北京大学深圳研究生院
IPC: H04N19/124 , H04N19/42 , H04N19/80
Abstract: 本发明公开了一种点云几何压缩方法及设备，其中，上述方法包括：获取下采样参数；基于所述下采样参数对待压缩点云进行至少一次下采样，获得待压缩的下采样点云和用于构建反映射的点云序列；基于所述待压缩的下采样点云和所述点云序列，构建用于确定待压缩的下采样点云中子节点占位的反映射序列；对所述待压缩的下采样点云和所述反映射序列进行编码形成码流。与现有技术相比，本发明提升了点云几何压缩效率。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.036 seconds)
