-
公开(公告)号：CN118710559B
公开(公告)日：2024-11-29
申请号：CN202411204107.8
申请日：2024-08-30
Abstract: 本申请提供一种高质量的人脸修复方法、装置、设备、存储介质，该方法，包括：获取待修复素材；其中，待修复素材为低质量的待修复图像，或者，待修复素材为低质量的待修复图像和高质量的参考图像，且待修复图像和参考图像对应相同的身份信息；通过预先训练的修复模型，对待修复素材进行修复，得到修复后图像；其中，若待修复素材为低质量的待修复图像，则修复模型基于真实的样本图像和对应的低质量的样本图像训练得到；若待修复素材为低质量的待修复图像和高质量的参考图像，则修复模型基于真实的样本图像、对应的低质量的样本图像和对应的样本身份信息训练得到，本申请提供的方法增强了图像质量。
-
公开(公告)号：CN118710558B
公开(公告)日：2024-11-29
申请号：CN202411204104.4
申请日：2024-08-30
Abstract: 本申请提供一种人脸盲修复方法、装置、设备、存储介质，该方法，获取待修复图像#imgabs0#；对待修复图像#imgabs1#进行正向多步加噪处理，得到第#imgabs2#步的图像#imgabs3#；基于低通滤波器对#imgabs4#进行逆向多步去噪处理，且，每#imgabs5#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs6#的低频分量，得到第#imgabs7#步的图像#imgabs8#；根据#imgabs9#预测第一图像#imgabs10#；对#imgabs11#进行正向多步加噪处理，得到第#imgabs12#步的图像#imgabs13#；基于低通滤波器对#imgabs14#进行逆向多步去噪处理，且每#imgabs15#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs16#的低频分量，得到第#imgabs17#步的图像#imgabs18#；根据当前的#imgabs19#与预设条件的关系，以及#imgabs20#与待修复图像的低频分量之间的均方误差得到修复后图像。
-
公开(公告)号：CN118710558A
公开(公告)日：2024-09-27
申请号：CN202411204104.4
申请日：2024-08-30
Abstract: 本申请提供一种人脸盲修复方法、装置、设备、存储介质，该方法，获取待修复图像#imgabs0#；对待修复图像#imgabs1#进行正向多步加噪处理，得到第#imgabs2#步的图像#imgabs3#；基于低通滤波器对#imgabs4#进行逆向多步去噪处理，且，每#imgabs5#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs6#的低频分量，得到第#imgabs7#步的图像#imgabs8#；根据#imgabs9#预测第一图像#imgabs10#；对#imgabs11#进行正向多步加噪处理，得到第#imgabs12#步的图像#imgabs13#；基于低通滤波器对#imgabs14#进行逆向多步去噪处理，且每#imgabs15#步去噪处理后均交换去噪处理后图像的低频分量与#imgabs16#的低频分量，得到第#imgabs17#步的图像#imgabs18#；根据当前的#imgabs19#与预设条件的关系，以及#imgabs20#与待修复图像的低频分量之间的均方误差得到修复后图像。
-
公开(公告)号：CN114240748A
公开(公告)日：2022-03-25
申请号：CN202111475883.8
申请日：2021-12-06
Abstract: 本发明提供一种基于局部自回归模型和离散词典的超分辨率方法，包括：获取高清图片和低清图片的数据对，基于粗超分模型和高频离散可学习字典，对所述数据对进行处理，获得能够获取离散编码的局部自回归模型；待恢复的低清图片，经过所述粗超分模型和局部自回归模型，获得超分辨率图片。本发明通过粗超分模块实现初步超分，从而实现低频恢复，同时针对于高频进行离散编码，并通过局部自回归方法生成，实现对于低清图片的增强。
-
公开(公告)号：CN119006282A
公开(公告)日：2024-11-22
申请号：CN202411023473.3
申请日：2024-07-29
IPC: G06T3/4053 , G06T3/4076 , G06T3/4046 , G06T5/70 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本申请提供一种高分辨率图像生成方法、装置、设备、存储介质，该方法，包括：从生成低分辨率图像开始，将低分辨率图像作为当前处理图像，对当前处理图像进行去噪处理，并基于去噪后的图像预测纯净图像；将预测的纯净图像上采样，并添加噪声，得到加噪图像；将加噪图像作为当前处理图像，重复执行对当前处理图像进行去噪处理的步骤及后续步骤，直至重复执行次数达到预设次数；将当前预测的纯净图像确定为高分辨率图像。本申请提供的方法可以生成高质量的高分辨率图像。
-
Patent Agency Ranking
公开(公告)号：CN118644422A
公开(公告)日：2024-09-13
申请号：CN202310231366.9
申请日：2023-03-10
Abstract: 本发明提供一种人脸图像盲修复方法、系统、终端和介质，包括：获取待修复人脸图像，所述待修复人脸图像为遭受未知退化的低质量图像；使用预训练的扩散模型，将所述低质量图像转化为平滑的、干净的中间结果，实现对于所述低质量图像中退化的去除，其中，所述预训练的扩散模型具有由随机噪声生成人脸图像的功能；将所述中间结果映射为高质量图像，完成人脸图像修复。本发明是一种鲁棒的人脸图像盲修复方法，能够应对输入图像的各种退化，无需构造数据集来模拟现实场景中的退化，能够适用于真实图像中的未知退化，改善了现有技术需要构造模拟退化训练集，不贴合实际使用场景的问题。
-
公开(公告)号：CN114219728A
公开(公告)日：2022-03-22
申请号：CN202111496917.1
申请日：2021-12-09
Abstract: 本发明提供一种人脸图像修复方法，包括：对输入的高质量人脸图像利用高质量特征提取网络获取其在特征空间中的高质量表达；对输入的低质量人脸图像利用低质量特征提取网络获取其在特征空间中的低质量表达；使用跨质量转移估计网络估计特征空间中的高质量表达与低质量表达之间的转移向量，并使用所述转移向量编辑表达；使用预训练的图像恢复网络将编辑后的表达映射输出图像；在整个网络的联合损失约束下进行训练；使用训练好的网络进行人类图像修复。本发明无需成对的训练图像对，能够适用于真实图像中的未知退化，改善了现有技术需要成对的训练图像对，不贴合实际使用场景的问题。
-
公开(公告)号：CN118710559A
公开(公告)日：2024-09-27
申请号：CN202411204107.8
申请日：2024-08-30
Abstract: 本申请提供一种高质量的人脸修复方法、装置、设备、存储介质，该方法，包括：获取待修复素材；其中，待修复素材为低质量的待修复图像，或者，待修复素材为低质量的待修复图像和高质量的参考图像，且待修复图像和参考图像对应相同的身份信息；通过预先训练的修复模型，对待修复素材进行修复，得到修复后图像；其中，若待修复素材为低质量的待修复图像，则修复模型基于真实的样本图像和对应的低质量的样本图像训练得到；若待修复素材为低质量的待修复图像和高质量的参考图像，则修复模型基于真实的样本图像、对应的低质量的样本图像和对应的样本身份信息训练得到，本申请提供的方法增强了图像质量。
-
公开(公告)号：CN118261971A
公开(公告)日：2024-06-28
申请号：CN202211630205.9
申请日：2022-12-19
IPC: G06T7/73 , G06T11/60 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于生成模型的图像物体定位方法和系统，包括：对于生成模型从噪声和文本提示合成图片的生成过程利用图像特征提取网络获取过程中的图像特征；对于文本提示中的某个特定物体类别利用文本编码器提取文本特征；使用跨模态特征对齐网络对文本特征和图像特征进行对齐，获取对齐后的表示；利用多层感知机网络将对齐后的表示映射为图像掩码。本发明能够利用自然图像生成过程中的特征表示，通过与对应物体类别的文本特征进行对齐来获取物体的定位信息，在生成图片的同时得到对应物体的掩码。
-
公开(公告)号：CN114049533A
公开(公告)日：2022-02-15
申请号：CN202111318781.5
申请日：2021-11-09
Applicant: 中央广播电视总台
IPC: G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本申请提供了一种旗帜检测识别方法及系统，其中，所述旗帜检测识别方法包括：使用第一旗帜检测网络检测目标图片中的旗帜，得到第一旗帜集合；使用第一旗帜质量分类网络判断所述第一旗帜集合中的每个旗帜是否有效；针对所述第一旗帜集合中的有效的旗帜，使用第一旗帜检索网络从所述有效的旗帜中提取特征，并将提取的特征与检索库中的特征进行比对，基于比对结果确定所述有效的旗帜的类别。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.038 seconds)
