-
公开(公告)号：CN107221033A
公开(公告)日：2017-09-29
申请号：CN201710259547.7
申请日：2017-04-20
Applicant: 中国科学院计算技术研究所
IPC: G06T19/20
CPC classification number: G06T19/20 , G06T2210/44 , G06T2219/2021
Abstract: 本发明提供一种对三维模型进行刚性变形的方法，包括：从所述三维模型的拓扑结构上的多个顶点中选择一个或多个控制顶点；根据与各个所述顶点分别对应的邻域系数、以及所述控制顶点在变形后的位置，计算除所述控制顶点之外的所述顶点在变形后的位置。本发明为三维模型中的不同位置设置不同的邻域系数来模拟该位置的刚性，其相较于现有技术更为灵活，并且在待变形模型的拓扑结构不发生较大改变的情况下，在获得了所述邻域系数之后，可以反复地使用所获得的邻域系数对该待变形模型进行变形。
-
公开(公告)号：CN116977465A
公开(公告)日：2023-10-31
申请号：CN202310861636.4
申请日：2023-07-13
Applicant: 中国科学院计算技术研究所
IPC: G06T11/00 , G06V10/54 , G06V10/774
Abstract: 本发明提出一种基于神经辐射场的纹理采集与合成方法，包括：对原始物体的多角度图像进行粗细解耦操作，以构建该原始物体的粗几何网格并采集精细纹理特征；以该精细纹理特征训练神经辐射场模型；基于该神经辐射场模型在该粗几何网格上采集隐式纹理补丁，构建纹理补丁集合；以该纹理补丁集合，在目标网格上合成目标纹理。本发明还提出一种基于神经辐射场的纹理采集与合成系统，以及一种用于实现基于神经辐射场的纹理采集与合成的数据处理装置。
-
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。
-
公开(公告)号：CN111460928B
公开(公告)日：2023-07-21
申请号：CN202010186272.0
申请日：2020-03-17
Applicant: 中国科学院计算技术研究所
IPC: G06V40/20 , G06V10/62 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种基于胶囊网络的人体动作识别系统及方法，构建包含基于语义图式图卷积的语义时空模块、广义注意力非局部模块、初级胶囊层和分类胶囊层组成的网络架构，将基于胶囊网络的架构用于基于骨架序列数据的动作识别，该网络架构利用图卷积和时间域卷积层提取骨架数据的时空特征，胶囊机制能够保持更为丰富的用于动作分类的信息，本发明进一步将广义注意力机制引入到胶囊网络架构中，建立细粒度全局依赖更好地表达时空特征，用于引导更为有效的初级胶囊的生成，初级胶囊通过路由算法与最相关的分类胶囊之间建立联系，从而提高人体动作识别准确性。
-
公开(公告)号：CN111768504B
公开(公告)日：2023-07-14
申请号：CN201910253795.X
申请日：2019-03-30
Applicant: 华为技术有限公司 , 中国科学院计算技术研究所
IPC: G06T17/20
Abstract: 本申请公开了一种模型处理的方法，包括：以目标能量达到预设条件作为迭代目标，且以目标模型的权重作为变量，对权重进行迭代优化，以得到目标权重，目标模型的权重用于指示目标模型中图柄与顶点之间的位置关系，目标能量用于指示目标模型进行形变后的K个变形模型与数据库中给定对应的期望样本模型之间的差异程度，权重用于基于目标模型获取K个变形模型；利用目标权重计算所述目标模型的形变结果；显示所述目标模型的形变结果。本申请实施例还提供相应的形变控制方法和相关设备。本申请技术方案由于采用了数据驱动的方法来对权重进行迭代优化，得到目标权重并用于计算形变结果，可以产生更合理的形变结果，解决形变结果缺乏刚性的问题。
-
Patent Agency Ranking
公开(公告)号：CN109696954B
公开(公告)日：2021-05-07
申请号：CN201710987005.1
申请日：2017-10-20
Applicant: 中国科学院计算技术研究所 , 腾讯科技(深圳)有限公司
Abstract: 本发明涉及一种视线追踪方法、装置、设备和存储介质，包括：获取眼睛图像；确定所述眼睛图像中瞳孔成像点在屏幕的立体坐标系中的坐标、以及光源经角膜反射在所述眼睛图像中形成的光源成像点在所述立体坐标系中的坐标；根据所述瞳孔成像点的坐标和光源成像点的坐标确定光轴方向；按照与所述眼睛图像匹配的光视轴方向角度差以及所述光轴方向，确定视轴方向；根据所述视轴方向，确定在所述屏幕上的凝视点位置。本申请的方案提高了所确定的凝视点位置的准确性。
-
公开(公告)号：CN111915693A
公开(公告)日：2020-11-10
申请号：CN202010439641.2
申请日：2020-05-22
Applicant: 中国科学院计算技术研究所 , 香港城市大学
Abstract: 本发明提出一种基于草图的人脸图像生成方法及系统，包括：通过特征提取网络提取手绘草图中人脸的多个部分，得到多个特征向量，将每个该特征向量在流形空间中的合理表达作为优化向量；利用特征映射网络，将优化向量解码并映射为特征张量，拼合所有特征张量得到完整的人脸特征张量，并利用图像合成网络，将该人脸特征张量，合成为高真实感的人脸图像。本发明的目的是解决上述现有技术的输入图像质量要求高，生成结果真实感较差的问题，提出了一种基于草图交互的高质量人脸图像生成方法及系统，该方法可以从用户手绘草图图像对应完整高真实感的人脸图像。
-
公开(公告)号：CN111768504A
公开(公告)日：2020-10-13
申请号：CN201910253795.X
申请日：2019-03-30
Applicant: 华为技术有限公司 , 中国科学院计算技术研究所
IPC: G06T17/20
Abstract: 本申请公开了一种模型处理的方法，包括：以目标能量达到预设条件作为迭代目标，且以目标模型的权重作为变量，对权重进行迭代优化，以得到目标权重，目标模型的权重用于指示目标模型中图柄与顶点之间的位置关系，目标能量用于指示目标模型进行形变后的K个变形模型与数据库中给定对应的期望样本模型之间的差异程度，权重用于基于目标模型获取K个变形模型；利用目标权重计算所述目标模型的形变结果；显示所述目标模型的形变结果。本申请实施例还提供相应的形变控制方法和相关设备。本申请技术方案由于采用了数据驱动的方法来对权重进行迭代优化，得到目标权重并用于计算形变结果，可以产生更合理的形变结果，解决形变结果缺乏刚性的问题。
-
公开(公告)号：CN119169166A
公开(公告)日：2024-12-20
申请号：CN202411187588.6
申请日：2024-08-28
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种二维图像生成三维物体的方法，方法包括：针对预处理的二维图像数据，采用基于多视角跨域注意力机制构建的跨域扩散模型，生成多视角彩色图像及法向图；基于法向图，采用带有法向约束的空间点投影算法进行投影，生成3D高斯模型的初始化训练数据集；根据初始化训练数据集，使用多视角彩色图像作为监督，训练3D高斯模型作为三维物体的表示，在训练的过程中添加法向约束，训练3D高斯模型；将待生成的二维图像输入训练完成的3D高斯模型中，生成三维物体。本发明能够将二维图像从3D高斯模型表示中实时渲染出高质量的模型图片。
-
公开(公告)号：CN118628660A
公开(公告)日：2024-09-10
申请号：CN202410835554.7
申请日：2024-06-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种三维模型的构建方法，该方法利用深度图作为三维信息以生成更加稠密和准确的线稿，并采用多视角图像生成扩散模型能够充分将输入其中的线稿和文本的多模态信息进行融合以得到更具代表性的特性，因此，本发明的三维模型的构建方案能够构建出高质量的三维模型，同时，本发明在构建三维模型过程中还通过不断添加不同的约束以不断优化三维模型的几何形状的准确度、纹理信息的清晰度、表面的光照反应、几何平滑度以及整体的渲染质量，从而进一步提高了三维模型的质量，得到更加具有真实感的三维模型。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.044 seconds)
