-
公开(公告)号：CN119991967A
公开(公告)日：2025-05-13
申请号：CN202510198911.8
申请日：2025-02-24
Applicant: 南开大学
IPC: G06T17/00 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 一种基于隐式神经网络与扩散模型的三维人体重建方法，属于三维重建领域。本发明构建了一种可扩散的密度体积表示，利用扩散模型实现基于身份的渲染。通过采用参数化的三维分布表示，在非平衡优化框架中实现了帕累托最优，平衡真实感渲染和可行预测。为了加快渲染训练速度而不牺牲质量，采用了混合多分辨率哈希网格特征，以增强方向性特征表示能力。同时，提出了多尺度结构相似性约束(MSSC)，以保持身份可区分性并确保几何一致性，从而实现计算效率高且视觉效果满意的合成。本发明方法能够基于有限的几何与外观信息，从单张图像重建三维人体模型，并在拓扑可信度和视觉保真度方面表现优异，为实际应用场景提供了更加灵活和高效的解决方案。
-
公开(公告)号：CN117274349A
公开(公告)日：2023-12-22
申请号：CN202311235849.2
申请日：2023-09-22
Applicant: 南开大学
IPC: G06T7/593 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于RGB‑D相机一致性深度预测的透明物体重建方法及系统，获取RGB‑D相机的包含透明物体的RGB图像、深度图像和相机内参信息；利用透明物体分割网络，基于所述RGB图像，得到透明物体的掩码；将掩码应用在所述深度图像上，获取非透明物体区域的深度值，并利用相机内参信息获取该图像在三维空间的点云；基于掩码、RGB图像和三维空间点云，利用预先训练的一致性深度预测神经网络进行深度图像预测，得到恢复出的深度图像；基于所述恢复出的深度图像、RGB图像和相机内参信息，进行三维重建，得到最终结果。本发明可以对存在以透明物体为前景的场景进行准确重建。
-
公开(公告)号：CN111259797A
公开(公告)日：2020-06-09
申请号：CN202010046338.6
申请日：2020-01-16
Applicant: 南开大学
Abstract: 一种基于点的迭代式遥感图像道路提取方法。从遥感图像中自动提取道路中心线图较实地采集效率更高，成本更低。为了提高道路连通性，同时保持道路图和真实道路中心线之间的精确对齐，本发明提出了一种基于点的，使用分割线索指导、可变步长和轨迹探索的，迭代式道路图探索方法。其中，分割线索体现为中心线分割和交点分割在神经网络中作为监督信息，可变步长体现为在道路交点、道路终点以及连接点处使用可调整的步长训练神经网络，轨迹探索方法体现为利用一次遥感图像输入得到从图像中心点出发的按照时间顺序的下一步落点集合。
-
公开(公告)号：CN107273617B
公开(公告)日：2019-07-26
申请号：CN201710468199.4
申请日：2017-06-20
Applicant: 南开大学
Abstract: 一种表面流流体运动的实时模拟方法，通过使用浅水波方程，对其中的不同项的计算提出创新性的计算方法，获得系统性，高效率，能够处理非可忽略速度流体的表面流流体解决方案。其中，本方法首次提出了基于特征的粘滞模型与可处理表面溶解的表面多组分流体运动模型。本方法对于浅水波方程中移流、表面张力、与3D模拟器结合等问题的处理方式相比前人的方法也更加高效。本方法可以完全并行在GPU上，获得实时的模拟速度。本发明具有较强的实用性，能够为表面流流体的模拟提供完整全面的高效解决方案。
-
公开(公告)号：CN108983605A
公开(公告)日：2018-12-11
申请号：CN201810741737.7
申请日：2018-07-09
Applicant: 南开大学
IPC: G05B13/04
Abstract: 一种基于深度强化学习进行流体导向的刚体控制的方法。本方法通过仅在模拟区域边界施加控制作用力来改变流体-刚体模拟器的行为，同时模拟区域内部通过Navier-Stokes方程控制流体以及Newton-Euler方程控制刚体。本方法的控制器是用深度强化学习训练的神经网络，经过预先训练便可用来在线生成控制动作。基于本方法的控制器接收流体与刚体的状态作为输入，控制流体喷口在边界移动并向模拟区域内部的刚体喷射流体，不仅可生成物理上真实的模拟效果，而且在很多2维流体-刚体控制任务上都取得了很好的效果。本方法也可以扩展到3维流体-刚体耦合系统，比如可以控制刚体准确运动到指定3维目标点。
-
Patent Agency Ranking
公开(公告)号：CN119379878A
公开(公告)日：2025-01-28
申请号：CN202411441321.5
申请日：2024-10-16
Applicant: 南开大学
IPC: G06T15/00 , G06T15/08 , G06T19/00 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06V10/44 , G06V10/62 , G06V10/82
Abstract: 本发明提供一种基于神经传输场的高效烟雾重建框架及应用，属于计算机图形学技术领域。本发明方法先利用相机的位姿得到三维空间中的采样点；再将采样点的三维坐标，视角方向向量以及时间信息输入到体素神经网络中得到烟雾的隐式神经表征；通过体渲染得到高时空一致性的烟雾外观以及稠密度。接着，将渲染图像和渲染深度输入到一个卷积神经网络中，得到细节丰富的高保真烟雾外观。最后通过循环优化，将卷积神经网络的输出作为体素神经网络的输入，得到更好的烟雾外观以及稠密度。该框架在稀疏的多目相机以及单目相机拍摄的烟雾场景中都能实现比其他方法训练时间更短，精度更高的烟雾场景重建结果。
-
公开(公告)号：CN118250400A
公开(公告)日：2024-06-25
申请号：CN202410334497.4
申请日：2024-03-22
Applicant: 南开大学
IPC: H04N1/32 , G10L25/24 , G10L25/18 , G10L25/30 , G10L25/60 , G10L25/69 , G06T9/00 , G06N3/044 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多级可逆神经网络的跨模态大容量隐写方法，涉及信息隐藏技术领域，主要目的是实现在单张载体图像中同时嵌入秘密图像和秘密音频，并从载密图像中恢复出秘密图像和音频信息。本发明采用模块化、级联的理念，构建了一个迭代嵌套的双向映射的跨模态隐写模型，该模型包含音频高级特征提取与分析引擎和对应的音频恢复转换器，且每一层级由多个可逆模块级联而成，通过在独立的层级中精确对齐和处理音频与图像数据，实现了数据的格式统一和特征匹配。本发明利用模型的多层次信息隐藏能力，通过将不同模态的数据分别嵌入到不同层级中，首次实现了在单张图像中同时隐藏图像和音频数据，达到在隐藏秘密图像和秘密音频质量之间的平衡。
-
公开(公告)号：CN116912399A
公开(公告)日：2023-10-20
申请号：CN202310407755.2
申请日：2023-04-17
Applicant: 南开大学
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于隐式神经表征的高反射物体表面重建方法及框架，该方法包括：采集待重建物体的RGB图像并分解为目标物体部分和含高反射信息的辅助平面部分；通过神经网络学习物体路径和平面路径的隐式表征；将相机采集RGB图像时的位姿对应的三维空间采样点和视角方向向量送入所述物体路径获取目标物体显现，将关于辅助平面反射投影得到的重构三维采样点和视角方向向量送入平面路径获取分离高反射信息后的辅助平面显现；线性融合目标物体显现和辅助平面显现获取渲染图像，基于RGB图像对其进行监督，该方法可以对带有高强度反射干扰的目标物体进行三维重建，提升了物体重建的精确度。
-
公开(公告)号：CN116524093A
公开(公告)日：2023-08-01
申请号：CN202310386988.9
申请日：2023-04-12
Applicant: 南开大学
Abstract: 本发明涉及计算机视觉技术领域，提供了一种基于多空间分解的镜面反射场景渲染方法，可以对含有镜面反射干扰的场景进行高质量的新视角渲染，通过神经网络隐式地将三维真实场景分解为多个平行的子空间，并通过渲染得到特征图，最后通过解码网络和门控网络将各子空间特征图映射为RGB图和权重图，最终通过加权求和得到场景在指定视角下的图像，并用对应视角的RGB图进行监督，不但可以渲染出更高质量的图像，还避免了镜面反射引起的多视角不一致干扰模型拟合过程。
-
公开(公告)号：CN112560326B
公开(公告)日：2023-07-18
申请号：CN201910919188.2
申请日：2019-09-26
Applicant: 腾讯科技(深圳)有限公司 , 南开大学
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/084 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种压力场的确定方法及装置。该方法包括：获取流体模型的第一组速度，第一组速度中的每个速度表示流体模型所在的区域中的一个单元区域中第一边界上的流体速度；将流体模型所在的区域划分为多个第一区域；将第一组速度映射为多个第一区域对应的第二组速度，第二组速度中的速度是根据一个第一区域包括的多个单元区域对应的第一组速度中的速度映射得到的速度；根据第二组速度计算得到多个第一区域对应的目标散度，并将目标散度输入到目标卷积神经网络，得到目标卷积神经网络输出的流体模型的压力场。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.037 seconds)
