-
公开(公告)号：CN108765540B
公开(公告)日：2022-04-12
申请号：CN201810390285.2
申请日：2018-04-26
Applicant: 河海大学
Abstract: 本发明公开了一种基于图像与集成学习的重光照方法，该方法在图像空间把像素点分成“容易训练”和“困难训练”两类，即PixelEasy和PixelHard，然后分而治之。对于像素点PixelHard，利用集成学习的AdaBoost方法和神经网络进行学习，对于像素点PixelEasy，又进一步分成两类，PixelEasyI和PixelEasyII。对PixelEasyI类像素点，利用集成学习的Bagging方法和神经网络进行学习；对于PixelEasyII，利用人眼特性进行赋值。该方法基于图像的重光照是指在新的光照条件下，利用采样图像恢复或重构场景的光照信息，其中基图像的采集和光照重构的方法是本发明的关键。基于上述方法，对虚拟和真实的四个场景进行测试，在相同的相对重构误差精度控制下，重光照所需的图像样本数更少，效果更优。
-
Patent Agency Ranking
公开(公告)号：CN106570928B
公开(公告)日：2019-06-21
申请号：CN201610998904.7
申请日：2016-11-14
Applicant: 河海大学
Abstract: 本发明公开了一种基于图像的重光照方法，属于计算机图形学领域。为了实现用尽可能少的样本尽可能准确地重光照，在图像样本和图像像素两个空间反复进行定量地随机采样，并用人工神经网络进行训练，直到所有像素点训练精度到设定阈值。考虑到人工神经网络在训练时有最小样本要求，因此在像素点训练样本不足时，利用集成学习的Bagging算法思想对其进行平均化处理。本发明在模拟的三维场景中进行测试，结果表明，与现有的技术相比，不仅训练时间少，健壮性强；在相同的相对误差精度下，重光照所需的图像样本更小，速度快实时性好，重构场景图像的PSNR值更高。
-
公开(公告)号：CN106530383A
公开(公告)日：2017-03-22
申请号：CN201610940958.8
申请日：2016-11-01
Applicant: 河海大学
CPC classification number: G06T15/04 , G06T15/205 , G06T15/55
Abstract: 本发明公开了一种基于Hermite插值神经网络回归模型的人脸面部渲染方法，属于真实感图形实时绘制技术领域。该方法包括人脸面部区域划分、面部辐射度参数预计算、样本数据采集、Hermite插值神经网络回归模型的构建及训练、最终渲染。采用此方法，将回归分析理论引入到人脸面部渲染过程中，使用Hermite插值神经网络构建学习模型，利用样本集进行训练，确定各隐层神经元之间的权值矩阵，从而有效发掘出面部各分区内可见点的物理属性与几何特征属性之间的非线性关联。通过这种非线性映射，可以将人脸表面各点的特征属性快速映射成为该点在给定光照条件下的颜色值。此方法能够有效减少计算规模，很好地实现人脸面部真实感图形实时渲染。
-
公开(公告)号：CN106570928A
公开(公告)日：2017-04-19
申请号：CN201610998904.7
申请日：2016-11-14
Applicant: 河海大学
CPC classification number: G06T15/205 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于图像的重光照方法，属于计算机图形学领域。为了实现用尽可能少的样本尽可能准确地重光照，在图像样本和图像像素两个空间反复进行定量地随机采样，并用人工神经网络进行训练，直到所有像素点训练精度到设定阈值。考虑到人工神经网络在训练时有最小样本要求，因此在像素点训练样本不足时，利用集成学习的Bagging算法思想对其进行平均化处理。本发明在模拟的三维场景中进行测试，结果表明，与现有的技术相比，不仅训练时间少，健壮性强；在相同的相对误差精度下，重光照所需的图像样本更小，速度快实时性好，重构场景图像的PSNR值更高。
-
公开(公告)号：CN108765540A
公开(公告)日：2018-11-06
申请号：CN201810390285.2
申请日：2018-04-26
Applicant: 河海大学
CPC classification number: G06T15/205 , G06N3/0454
Abstract: 本发明公开了一种基于图像与集成学习的重光照方法，该方法在图像空间把像素点分成“容易训练”和“困难训练”两类，即PixelEasy和PixelHard，然后分而治之。对于像素点PixelHard，利用集成学习的AdaBoost方法和神经网络进行学习，对于像素点PixelEasy，又进一步分成两类，PixelEasyI和PixelEasyII。对PixelEasyI类像素点，利用集成学习的Bagging方法和神经网络进行学习；对于PixelEasyII，利用人眼特性进行赋值。该方法基于图像的重光照是指在新的光照条件下，利用采样图像恢复或重构场景的光照信息，其中基图像的采集和光照重构的方法是本发明的关键。基于上述方法，对虚拟和真实的四个场景进行测试，在相同的相对重构误差精度控制下，重光照所需的图像样本数更少，效果更优。
-
公开(公告)号：CN106530383B
公开(公告)日：2017-08-22
申请号：CN201610940958.8
申请日：2016-11-01
Applicant: 河海大学
Abstract: 本发明公开了一种基于Hermite插值神经网络回归模型的人脸面部渲染方法，属于真实感图形实时绘制技术领域。该方法包括人脸面部区域划分、面部辐射度参数预计算、样本数据采集、Hermite插值神经网络回归模型的构建及训练、最终渲染。采用此方法，将回归分析理论引入到人脸面部渲染过程中，使用Hermite插值神经网络构建学习模型，利用样本集进行训练，确定各隐层神经元之间的权值矩阵，从而有效发掘出面部各分区内可见点的物理属性与几何特征属性之间的非线性关联。通过这种非线性映射，可以将人脸表面各点的特征属性快速映射成为该点在给定光照条件下的颜色值。此方法能够有效减少计算规模，很好地实现人脸面部真实感图形实时渲染。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
