-
公开(公告)号：CN117788652A
公开(公告)日：2024-03-29
申请号：CN202311544160.8
申请日：2023-11-17
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T13/40
Abstract: 本公开关于一种动画重定向方法、装置、电子设备及存储介质，方法包括：确定原始对象的原始动作信息和原始骨架信息，以及确定目标对象的目标骨架信息；根据原始骨架信息对原始动作信息进行编码，得到原始动作的动作语义特征信息；对目标骨架信息进行编码，得到目标骨架的骨架特征信息；根据原始动作的动作语义特征信息和目标骨架的骨架特征信息进行动画重定向，得到第一目标动作信息；第一目标动作信息包括目标骨架应用目标动作时的关节位置和关节扭转角度，目标动作为原始动作从原始骨架重定向至目标骨架的动作，关节扭转角度为关节对应的骨骼的旋转角度。本申请可以在动画重定向过程中保留原始动作的动作语义，提高动画重定向的准确度。
-
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。
-
公开(公告)号：CN118042233A
公开(公告)日：2024-05-14
申请号：CN202410268667.3
申请日：2024-03-08
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: H04N21/472 , H04N21/4402 , H04N21/2343 , G06T5/70
Abstract: 本公开关于视频处理方法、装置、电子设备及存储介质，涉及多媒体技术领域，方法包括：响应于针对待处理视频的处理指令，获取处理指令中文本指示信息对应的文本指示特征、待处理视频中每一帧图像对应的目标图像特征以及每一帧图像对应的目标噪声图像；在以文本指示特征和每一帧图像对应的目标图像特征为噪声预测控制条件的情况下，对每一帧图像对应的目标噪声图像进行去噪处理，得到每一帧图像对应的目标还原图像；根据每一帧图像对应的目标还原图像，得到与文本指示信息匹配的目标视频。利用本公开实施例提供的技术方案可以在目标视频中实现文本指示信息所指示的主题描述信息对应的视觉效果，并保持各帧目标还原图像之间图像关键特征的连贯性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN110958467B
公开(公告)日：2020-12-29
申请号：CN201911149140.4
申请日：2019-11-21
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: H04N21/234 , H04N21/44 , G06K9/62 , G06N3/08
Abstract: 本公开提供一种视频质量预测方法和装置及电子设备，包括：从视频流采集包括多个视频块的视频包，根据视频流标签确定视频包的失真分类标签或非失真分类标签；根据对视频包的标注结果确定视频包的评分值；将视频包的多个视频块作为训练数据输入分类预测模型，利用分类预测模型进行分类预测和评分值预测，以输出该视频包的失真分类标签、非失真分类标签和评分值为目标进行分类预测模型的参数调整；利用参数调整结束后得到的质量预测模型，对从待质量预测的视频流中采集的视频包进行分类预测和分数预测。本公开可以解决现有的视频质量评价方法不区分均匀失真和非均匀失真的问题，对于非均匀失真的视频质量评价结果更准确。
-
公开(公告)号：CN110958467A
公开(公告)日：2020-04-03
申请号：CN201911149140.4
申请日：2019-11-21
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: H04N21/234 , H04N21/44 , G06K9/62 , G06N3/08
Abstract: 本公开提供一种视频质量预测方法和装置及电子设备，包括：从视频流采集包括多个视频块的视频包，根据视频流标签确定视频包的失真分类标签或非失真分类标签；根据对视频包的标注结果确定视频包的评分值；将视频包的多个视频块作为训练数据输入分类预测模型，利用分类预测模型进行分类预测和评分值预测，以输出该视频包的失真分类标签、非失真分类标签和评分值为目标进行分类预测模型的参数调整；利用参数调整结束后得到的质量预测模型，对从待质量预测的视频流中采集的视频包进行分类预测和分数预测。本公开可以解决现有的视频质量评价方法不区分均匀失真和非均匀失真的问题，对于非均匀失真的视频质量评价结果更准确。
-
公开(公告)号：CN118071652A
公开(公告)日：2024-05-24
申请号：CN202410329969.7
申请日：2024-03-21
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06T5/77 , G06T3/4076 , G06V10/774
Abstract: 本公开提供了一种图像处理模型的训练方法、装置、电子设备及存储介质，属于图像处理技术领域。方法包括：获取第一样本集和第二样本集，所述第一样本集中的图像中不存在模糊区域，所述第二样本集中的图像中存在模糊区域，所述模糊区域用于表示成像效果；基于所述第一样本集和第一参考集，对第一图像处理模型进行训练；基于所述第二样本集和第二参考集，对第二图像处理模型进行训练；对训练后的所述第一图像处理模型的参数和训练后的所述第二图像处理模型的参数进行融合，得到目标图像处理模型的参数。上述技术方案使得目标图像处理模型既能够在不存在模型区域的图像上保证处理质量，也能够在存在模型区域的图像上保证模糊区域的处理质量。
-
公开(公告)号：CN115994974A
公开(公告)日：2023-04-21
申请号：CN202310003052.3
申请日：2023-01-03
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
Abstract: 本公开关于一种场景渲染方法、装置、电子设备及存储介质，该方法包括：获取待渲染场景，以及获取进行场景渲染时虚拟目标所在的位置坐标；从所述待渲染场景的预计算结果中，获取所述位置坐标对应的可见的物体，一个物体对应一个位置坐标可见表征该位置坐标发出的光线与该物体相交，和/或该位置坐标发出的光线经过投射后与该物体相交；对所述可见的物体进行渲染，得到所述位置坐标对应的渲染后的场景。本公开中，可见的物体包括与光线和/或该光线经过投射后的光线相交的物体，实现了将本身可见的物体和/或阴影可见的物体，都确定为可见的物体，避免了错误地将仅有阴影可见的物体进行剔除，导致渲染结果不真实的缺点。
-
公开(公告)号：CN112016595A
公开(公告)日：2020-12-01
申请号：CN202010779364.X
申请日：2020-08-05
Applicant: 清华大学 , 北京达佳互联信息技术有限公司
IPC: G06K9/62
Abstract: 本公开关于一种图像分类方法和装置、电子设备、可读存储介质。所述方法包括：获取初始待分类图像；获取所述初始待分类图像的深度热力图；所述深度热力图是指通过不同色域来表示初始待分类图像中对象的景深深度信息的图像；组合所述初始待分类图像的RGB通道图像与所述深度热力图，得到4通道的目标待分类图像；根据所述目标待分类图像，对所述初始待分类图像进行分类，以得到所述待分类图像是否为大光圈类型的图像。本实施例中通过增加包含景深深度信息的深度热力图作为待分类图像的一个维度特征，可以提升图像分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.113 seconds)
