-
公开(公告)号：CN114119438B
公开(公告)日：2025-02-07
申请号：CN202111334867.7
申请日：2021-11-11
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开提供了一种图像拼贴模型的训练方法和设备及图像拼贴方法和设备。所述训练方法包括：获取包括多个子图像的训练样本，并将所述多个子图像拼贴为一个图像，以得到初始的待调整的拼贴图像；获取当前待调整的拼贴图像的美学特征；将获取的美学特征输入所述图像拼贴模型，得到预测的需要执行的拼贴调整动作序列，对当前待调整的拼贴图像执行预测的拼贴调整动作序列，并返回执行所述获取当前待调整的拼贴图像的美学特征的步骤；当确定不继续调整拼贴图像时，根据执行各次预测的拼贴调整动作序列的奖励函数来调整所述图像拼贴模型的参数，以对所述图像拼贴模型进行训练。
-
公开(公告)号：CN113012073B
公开(公告)日：2024-11-26
申请号：CN202110357426.2
申请日：2021-04-01
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T5/60 , G06N3/0464 , G06N3/084
Abstract: 本公开关于一种视频质量提升模型的训练方法和装置，方法包括：模型中的第一阶段生成器处理第一质量的视频帧来获得第一输出图像；模型中的第二阶段生成器根据第一输出图像和随机变量获得第二输出图像；根据第二质量的视频帧和第一输出图像计算第一损失函数；根据第二质量的视频帧、第二输出图像和模型中的判别器判别第二输出图像和第二质量的视频帧的结果计算第二损失函数，第一质量的视频帧是通过对第二质量的视频帧进行编码和解码后得到的，第一质量高于第二质量；根据判别器判别第二输出图像和第二质量的视频帧的结果计算第三损失函数；根据第一、第二和第三损失函数分别调整第一阶段生成器、第二阶段生成器和判别器的模型参数训练模型。
-
公开(公告)号：CN114119438A
公开(公告)日：2022-03-01
申请号：CN202111334867.7
申请日：2021-11-11
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开提供了一种图像拼贴模型的训练方法和设备及图像拼贴方法和设备。所述训练方法包括：获取包括多个子图像的训练样本，并将所述多个子图像拼贴为一个图像，以得到初始的待调整的拼贴图像；获取当前待调整的拼贴图像的美学特征；将获取的美学特征输入所述图像拼贴模型，得到预测的需要执行的拼贴调整动作序列，对当前待调整的拼贴图像执行预测的拼贴调整动作序列，并返回执行所述获取当前待调整的拼贴图像的美学特征的步骤；当确定不继续调整拼贴图像时，根据执行各次预测的拼贴调整动作序列的奖励函数来调整所述图像拼贴模型的参数，以对所述图像拼贴模型进行训练。
-
公开(公告)号：CN116342385A
公开(公告)日：2023-06-27
申请号：CN202310133257.3
申请日：2023-02-09
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06V30/16 , G06V30/19 , G06V10/82
Abstract: 本公开关于一种文本图像超分辨率网络的训练方法、装置以及存储介质，属于图像技术领域。本公开通过基于第二文本图像和第三文本图像之间的像素损失值以及文本损失值，对文本图像超分辨率网络进行训练，由于像素损失值和文本损失值都表示第二文本图像与第三文本图像的差异程度，则像素损失函数和文本损失函数的收敛点能够相同，因此，对文本图像超分辨率网络进行训练的过程中，容易使得像素损失函数和文本损失函数同时收敛，使文本图像超分辨率网络完成训练，完成训练的文本图像超分辨率网络对文本图像进行超分辨率重构后，提高超分辨率重构后的文本图像的图像分辨率提高，从而能够提高超分辨率重构后的文本图像的显示效果。
-
公开(公告)号：CN113936071A
公开(公告)日：2022-01-14
申请号：CN202111211465.8
申请日：2021-10-18
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像处理方法及装置。该图像处理方法包括：提取图像的浅层特征；基于浅层特征对图像进行局部尺度上的细节特征提取，得到图像的局部动态特征，并且基于浅层特征对图像进行全局尺度上的区域特征提取，得到图像的可变形特征；基于图像的局部动态特征和可变形特征进行融合，得到融合特征；对融合特征进行重建，得到重建图像。根据本公开的图像处理方法及装置，可提高图像处理的去散焦模糊效果和效率。
-
Patent Agency Ranking
公开(公告)号：CN113012073A
公开(公告)日：2021-06-22
申请号：CN202110357426.2
申请日：2021-04-01
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种视频质量提升模型的训练方法和装置，方法包括：模型中的第一阶段生成器处理第一质量的视频帧来获得第一输出图像；模型中的第二阶段生成器根据第一输出图像和随机变量获得第二输出图像；根据第二质量的视频帧和第一输出图像计算第一损失函数；根据第二质量的视频帧、第二输出图像和模型中的判别器判别第二输出图像和第二质量的视频帧的结果计算第二损失函数，第一质量的视频帧是通过对第二质量的视频帧进行编码和解码后得到的，第一质量高于第二质量；根据判别器判别第二输出图像和第二质量的视频帧的结果计算第三损失函数；根据第一、第二和第三损失函数分别调整第一阶段生成器、第二阶段生成器和判别器的模型参数训练模型。
-
公开(公告)号：CN113936071B
公开(公告)日：2024-12-13
申请号：CN202111211465.8
申请日：2021-10-18
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T11/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本公开关于一种图像处理方法及装置。该图像处理方法包括：提取图像的浅层特征；基于浅层特征对图像进行局部尺度上的细节特征提取，得到图像的局部动态特征，并且基于浅层特征对图像进行全局尺度上的区域特征提取，得到图像的可变形特征；基于图像的局部动态特征和可变形特征进行融合，得到融合特征；对融合特征进行重建，得到重建图像。根据本公开的图像处理方法及装置，可提高图像处理的去散焦模糊效果和效率。
-
公开(公告)号：CN116805282A
公开(公告)日：2023-09-26
申请号：CN202310797255.4
申请日：2023-06-30
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本公开关于一种图像超分辨率重建方法、模型训练方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，由于本实施例通过采用具有不同分辨率的同一样本图像作为训练数据，分别进行多尺度的特征提取、码本量化以及解码重建，并基于各环节的输出特征对网络进行训练，从而使得训练后的模型可以学习到图像完整的双分辨率纹理表示，并具有跨分辨率对应性而对复杂的退化具有鲁棒性，以得到能够从具有任意未知退化的低分辨率图像重建逼真的高分辨率图像的图像超分辨率重建模型。
-
公开(公告)号：CN114565768B
公开(公告)日：2025-04-29
申请号：CN202210239600.8
申请日：2022-03-11
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种图像分割方法及装置，所述图像分割方法包括：将待处理图像输入到第一图像特征提取网络中，得到第一图像特征；基于所述第一图像特征，提取出第一图像语义特征和第二图像语义特征；将所述待处理图像和针对所述待处理图像的图像分割信息输入到第二图像特征提取网络中，得到第二图像特征；基于所述第一图像语义特征、所述第二图像语义特征和所述第二图像特征，得到针对待分割对象的目标掩码；基于所述目标掩码对所述待处理图像进行分割处理，得到针对待分割对象的图像分割结果。根据本公开的图像分割方法及装置可以解决图像分割导致的计算开销大和运行耗时的问题，可以在保证分割速度的同时基于得到的掩码获取准确的分割结果。
-
公开(公告)号：CN114897688B
公开(公告)日：2025-04-08
申请号：CN202210458499.5
申请日：2022-04-24
Applicant: 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种视频处理方法、装置、计算机设备及介质，属于互联网技术领域。本公开实施例中，通过获取样本视频中图像对的运动信息，利用该图像对的运动信息，来获取该图像对中运动信息满足运动条件的图像块对，如此，通过设置运动条件，利用图像对的两帧图像的运动信息，来判断图像对的两帧图像的运动信息是否满足运动条件，以获取到包含更多运动信息的图像块，进而基于所获取的图像块对进行模型训练，使得超分辨模型基于能够关注于相邻两帧图像之间的运动变化，丰富了模型训练所参考的信息，能够训练出准确性高的超分辨模型，进而提升了超分辨重建的准确性，也就提升了视频处理的准确性。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.045 seconds)
