公开(公告)号：CN117036613B

公开(公告)日：2024-04-02

申请号：CN202311052980.5

申请日：2023-08-18

Applicant: 武汉大学

Inventor： 田昕 ,  彭依妮 ,  刘芮

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于多重感受野交融网络的偏振三维重建方法和系统。利用全局感受野提取输入图像数据的全局上下文信息，为解决偏振成像问题中的局部歧义提供参考信息，同时利用局部感受野提取区域细节特征，以提升对目标表面的纹理细节信息的重建精度，多重感受野不断交互融合，从而实现高精度表面法向量估计。采用Conformer作为网络编码器，实现兼顾全局感受野和局部感受野的特征提取，同时利用一个多模融合模块实现全局上下文信息和区域细节特征的有效融合，并利用一个多尺寸增强模块减少高层特征在降维过程中的通道信息损失。实验表明本发明方法优于已有方法的结果，能高质量地重建目标表面信息，细节信息重建能力更强，更具备泛化性。

公开(公告)号：CN119339226A

公开(公告)日：2025-01-21

申请号：CN202411235733.3

申请日：2024-09-04

Applicant: 武汉大学

Inventor： 彭依妮 ,  田昕 ,  刘芮

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提出了一种基于多模态关系建模与融合网络的鲁棒性地物分类方法和系统。首先通过分析模态间和模态内的潜在关系，提出高频信息对应模态内特有特征，低频信息对应模态间共享特征的假设，对多模态间关系进行建模，以实现有效的特征提取，为后续特征融合奠定基础。同时，基于模态内特有特征不相关，而模态间共享特征相关的准则，对提取的特有特征和共享特征进行关联约束，以实现进一步优化特征融合过程，并引导优化特征提取过程。基于特征提取和特征融合过程的互促进，实现多模态特征的有效提取，以完成输入模态缺失场景下的高精度、鲁棒性多模态融合学习。最后通过实验证明本发明的总体地物分类精度优于已有方法的结果。

公开(公告)号：CN118297803A

公开(公告)日：2024-07-05

申请号：CN202410437355.0

申请日：2024-04-12

Applicant: 武汉大学

Inventor： 田昕 ,  肖滢 ,  刘芮 ,  彭依妮

IPC: G06T3/4053 ,  G06T5/70 ,  G06N3/045 ,  G06N3/084 ,  G06N5/04 ,  G06N3/0464 ,  G06N7/01

Abstract: 本发明公开了基于去噪扩散融合模型的线扫描图像超分辨率方法和设备，提出一种新的去噪扩散融合超分模型来解决线扫描超分(LSSR)的不足。针对LSSR的条件生成问题，提出了一种新的基于去噪扩散概率模型框架的后验抽样模型，考虑将特殊条纹噪声的人工显式先验与扩散生成中的隐式先验相结合，以获得高质量的超分结果。首先针对LSSR优化问题的病态性，建立了基于人工先验的融合超分引导模型。然后将扩散模型的采样均值作为从数据中学习到的隐式先验来约束优化模型，提高了模型的精度。最后，将模型的解嵌入到扩散采样的迭代过程中，从而基于LSSR任务的去噪扩散概率模型建立了后验采样模型，通过将显式先验和隐式先验相结合，实现了去噪和超分能力的良好平衡。

公开(公告)号：CN117671142A

公开(公告)日：2024-03-08

申请号：CN202311620723.7

申请日：2023-11-28

Applicant: 武汉大学

Inventor： 田昕 ,  刘芮 ,  彭依妮 ,  肖滢

IPC: G06T17/00 ,  G06V10/80

Abstract: 本发明提出了一种基于先验引导融合网络的偏振三维重建方法和系统。本发明基于双分支架构实现，设计了特征校正模块，分别对通道维度和空间维度的缺陷进行相互校正。此外，提出了一种基于有效交叉注意机制的特征融合模块，将偏振和阴影先验特征融合，实现高精度表面法向量估计，从而重建高质量三维目标。实验结果表明，偏振和阴影先验的融合显著提高了表面法线的重建质量，特别是对于复杂光源照射的物体或场景。此外，通过引入镜面置信度，可以减小镜面反射区域的角度误差。最后，由于网络能够有效地从不同的先验中提取和融合信息，我们提出的方法优于现有的基于深度学习的偏振三维重建方法。

公开(公告)号：CN117036613A

公开(公告)日：2023-11-10

申请号：CN202311052980.5

申请日：2023-08-18

Applicant: 武汉大学

Inventor： 田昕 ,  彭依妮 ,  刘芮

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于多重感受野交融网络的偏振三维重建方法和系统。利用全局感受野提取输入图像数据的全局上下文信息，为解决偏振成像问题中的局部歧义提供参考信息，同时利用局部感受野提取区域细节特征，以提升对目标表面的纹理细节信息的重建精度，多重感受野不断交互融合，从而实现高精度表面法向量估计。采用Conformer作为网络编码器，实现兼顾全局感受野和局部感受野的特征提取，同时利用一个多模融合模块实现全局上下文信息和区域细节特征的有效融合，并利用一个多尺寸增强模块减少高层特征在降维过程中的通道信息损失。实验表明本发明方法优于已有方法的结果，能高质量地重建目标表面信息，细节信息重建能力更强，更具备泛化性。