-
公开(公告)号：CN116977431A
公开(公告)日：2023-10-31
申请号：CN202311008492.4
申请日：2023-08-11
Applicant: 中国科学院计算技术研究所
IPC: G06T7/73 , G06T15/20 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种三维场景几何、材质与光照解耦和编辑系统，所述系统包括：几何重建模块，解码模块和编辑模块，其中：所述几何重建模块用于根据对三维场景采集的一组带有相机位姿的图像，以显式的三角网格重建三维场景的几何，并建立输入的图像及其相机与所述三角网格的位置关系；所述解码模块被配置为：根据三角网格的顶点上的几何特征和材质特征来确定采样点到所述三角网格的带符号距离和采样点的颜色，并进行渲染，根据输入的图像的像素颜色和对应像素的渲染颜色，更新各顶点上的几何特征、材质特征以及可学习的显示环境光照贴图；所述编辑模块被配置为：获取用户的自定义视角，向用户提供：几何编辑功能、材质编辑功能和光照编辑功能。
-
Patent Agency Ranking
公开(公告)号：CN110889893B
公开(公告)日：2021-10-08
申请号：CN201911021492.1
申请日：2019-10-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种表达几何细节和复杂拓扑的三维模型表示方法和系统，包括：输入一组部件具有语义标签的相同种类三维几何模型，为模型的每个部件计算包围盒；将包围盒注册到对应的部件上，得到相应的变形梯度，进而得到部件的变形梯度向量；通过部件变分自编码器，以该部件变形梯度向量获得该部件形变的分布向量；以支撑关系为主对模型的全局结构进行分析，构建每个部件的表示向量；将一个模型所有部件的表示向量串联在一起作为输入，通过结构化部件变分自编码器联合编码模型的全局结构和几何细节；通过训练好的结构化部件变分自编码器，随机生成新模型，或在两个模型之间插值生成新模型；在结构约束和稳定支撑约束下对生成模型进行全局结构优化。
-
公开(公告)号：CN110503205A
公开(公告)日：2019-11-26
申请号：CN201910646750.9
申请日：2019-07-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种多模态数据处理方法及系统，包括：获取多个多模态数据样本，并将多模态数据样本的质量评价作为特征，将多模态数据样本的模态组合作为标签；以特征为输入，并以标签为训练目标，训练多类分类器模型，得到模态选择模型；获取待处理多模态数据，将待处理多模态数据的特征输入模态选择模型，得到模态组合选择结果，通过将待处理多模态数据中除模态组合选择结果以外的置0，得到修改后的多模态数据；修改后的多模态数据输入指定的多模态机器学习任务模型，将多模态机器学习任务模型的输出结果作为待处理多模态数据的多模态数据处理结果。本发明可以提升低数据质量下的多模态机器学习模型性能。
-
公开(公告)号：CN110889893A
公开(公告)日：2020-03-17
申请号：CN201911021492.1
申请日：2019-10-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种表达几何细节和复杂拓扑的三维模型表示方法和系统，包括：输入一组部件具有语义标签的相同种类三维几何模型，为模型的每个部件计算包围盒；将包围盒注册到对应的部件上，得到相应的变形梯度，进而得到部件的变形梯度向量；通过部件变分自编码器，以该部件变形梯度向量获得该部件形变的分布向量；以支撑关系为主对模型的全局结构进行分析，构建每个部件的表示向量；将一个模型所有部件的表示向量串联在一起作为输入，通过结构化部件变分自编码器联合编码模型的全局结构和几何细节；通过训练好的结构化部件变分自编码器，随机生成新模型，或在两个模型之间插值生成新模型；在结构约束和稳定支撑约束下对生成模型进行全局结构优化。
-
公开(公告)号：CN117372611A
公开(公告)日：2024-01-09
申请号：CN202311287611.4
申请日：2023-10-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种结构感知的纹理三维模型单目重建方法和系统，包括：获取待重建的单目图像，从单目图像中提取三维网格，得到初始三维模型；通过对齐初始三维模型和数据库中的模型，得到数据库中与初始重建三维模型相对应的至少一个三维模型部件作为检索结果，组合所有检索结果，得到组合三维模型；将单目图像进行本征分解，并将其纹理信息通过反投影为组合三维模型中三维模型部件填充纹理，得到部分纹理缺失三维模型；通过纹理补全网络，补全部分纹理缺失三维模型的纹理信息，得到单目图像的纹理三维模型重建结果。本发明的检索和组装过程可以改变重建三维模型的拓扑，且每个组件都拥有一个独立的纹理图以表达更加精细的纹理，本发明可以从单目彩色图像中重建出灵活拓扑和精细纹理的三维模型。
-
公开(公告)号：CN110222708A
公开(公告)日：2019-09-10
申请号：CN201910354991.6
申请日：2019-04-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于集成决策树的跌倒检测方法和系统，包括：对于标记为跌倒的第一加速度数据，取其中平方和最大的点，根据预设时间段范围取点左右的数据段作为原始集，对于标记为非跌倒的第二加速度数据，通过滑窗每次取预设时间段范围的数据段加入原始集，得到最终集，通过快速傅里叶变换提取最终集中各数据段的多维特征作为训练特征；创建多棵决策树，以训练特征作为输入特征，分别输入决策树以迭代训练各决策树，通过每一棵决策树去拟合上一棵决策树的残差,集合训练完成的决策树作为集成学习模型；获取待跌倒检测的第三加速度数据，利用滑窗的方法提取第三加速度数据的数据段作为检测数据，将检测数据输入至集成学习模型，得到跌倒检测结果。
-
-
-
-
-
Search Results
6
records
(took 0.04 seconds)
