-
公开(公告)号：CN113706577A
公开(公告)日：2021-11-26
申请号：CN202110379725.6
申请日：2021-04-08
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本发明实施例公开了一种图像处理方法、装置和计算机可读存储介质；本发明实施例在获取用于动作迁移的目标图像和目标图像对应的至少一张源图像后，对源图像和目标图像进行多维度特征提取，得到源图像和目标图像中关键点的关键点特征信息、以及源图像对应的外观特征信息，该关键点特征信息包括关键点透视信息，然后，根据关键点透视信息，对关键点进行透视变换，得到关键点的光流信息，然后，基于光流信息和关键点特征信息，确定关键点对应的动作信息，将动作信息与外观特征信息进行融合，以得到处理后图像，该处理后图像为将目标图像中对象的动作迁移至源图像中对象的图像；该方案可以提升图像处理的准确性。
-
公开(公告)号：CN113538254A
公开(公告)日：2021-10-22
申请号：CN202011474161.6
申请日：2020-12-14
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请提供了一种基于人工智能的图像恢复方法、装置、电子设备及计算机可读存储介质；方法包括：获取待恢复图像；对所述待恢复图像进行退化去除处理，得到对应所述待恢复图像的隐码特征以及至少两个不同尺度的空间特征；对所述隐码特征进行基于至少两个隐码网络的映射处理，得到与所述至少两个隐码网络一一对应的至少两个隐码；基于所述至少两个不同尺度的空间特征，对对应所述至少两个隐码的先验特征进行调制处理，得到对应所述待恢复图像的恢复图像。通过本申请，能够提高图像恢复的真实度和可信度。
-
公开(公告)号：CN113570678A
公开(公告)日：2021-10-29
申请号：CN202110075873.9
申请日：2021-01-20
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请提供了一种基于人工智能的图像上色方法、装置、电子设备及计算机可读存储介质；方法包括：获取待上色图像的第一色彩先验信息；对第一色彩先验信息进行变换，以得到与待上色图像对齐的第二色彩先验信息；对待上色图像进行下采样处理，得到第一图像特征；基于第二色彩先验信息对第一图像特征进行调制上色处理，得到第二图像特征；基于第二色彩先验信息对第二图像特征进行上采样处理，得到与待上色图像对齐的第一上色图像。通过本申请，能够精确地对待上色图像进行上色。
-
公开(公告)号：CN115131198B
公开(公告)日：2024-03-22
申请号：CN202210398075.4
申请日：2022-04-12
Applicant: 腾讯科技(深圳)有限公司
IPC: G06T3/4092 , G06T3/4023 , G06T3/4046 , G06T7/90 , G06T7/41 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种模型训练方法、图像处理方法、装置、设备及存储介质，属于人工智能技术领域。该模型训练方法包括：获取训练图像和参考图像；调用初始下采样模型对训练图像进行下采样，得到下采样图像；基于下采样图像和参考图像，获取各个第一候选通道分别对应的损失，第一目标通道对应的损失基于第一池化图像和第二池化图像之间的像素值差异得到；利用基于各个第一候选通道分别对应的损失获取的目标损失对初始下采样模型的模型参数进行更新，得到目标下采样模型。利用上述模型训练方式，能够减小训练好的下采样模型输出的下采样图像与真值图像之间的偏差，提高下采样模型的训练准确性，进而提高图像处理的质量。
-
公开(公告)号：CN115359161A
公开(公告)日：2022-11-18
申请号：CN202210979086.1
申请日：2022-08-16
Applicant: 腾讯科技(深圳)有限公司
IPC: G06T13/80 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明实施例公开了一种动作视频合成方法、系统及存储介质和终端设备，应用于基于人工智能的信息处理技术领域。动作视频合成系统会将一段音频数据划分为多个音频数据子段，并分别获取待处理的多个音频数据子段分别对应的第一特征信息，且确定预置的动作子片段的第二特征信息，然后根据第一特征信息及第二特征信息从预置的动作子片段中选择出多个动作子片段以构成待合成动作序列，这多个动作子片段按照一定顺序排序，进而将待合成动作序列中的多个动作子片段合成为动作合成视频。通过细粒度的音频数据子段的约束来形成待合成动作序列，用于形成动作合成视频，实现了对最终动作合成视频的有效控制，从而使得动作合成视频满足了用户的多样化需求。
-
Patent Agency Ranking
公开(公告)号：CN112084954A
公开(公告)日：2020-12-15
申请号：CN202010948845.9
申请日：2020-09-10
Applicant: 腾讯科技(深圳)有限公司 , 厦门大学
Abstract: 本发明提供了一种视频目标的检测方法、装置、电子设备以及存储介质，方法包括：确定待检测视频中的待检测视频帧，并获取与所述待检测视频帧相匹配的视频序列中的辅助视频帧；基于所述待检测视频帧与所述辅助视频帧，通过视频处理模型中的特征提取网络确定帧级别的特征向量；基于所述帧级别的特征向量，通过所述视频处理模型的候选框生成网络，确定实例级别的特征向量；通过所述视频处理模型中的检测头网络，根据所述实例级别的特征向量，对所述待检测视频进行目标检测，确定视频目标在所述待检测视频的不同视频帧中的所在区域，由此，由此实现鲁棒并精确地对视频中的目标进行检测，减少视频目标检测中的失真。
-
公开(公告)号：CN116484932B
公开(公告)日：2024-09-06
申请号：CN202210044584.7
申请日：2022-01-14
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N3/08 , G06N3/0475 , G06V10/56 , G06V10/60
Abstract: 本申请提供了一种妆容迁移模型的训练方法、装置及妆容迁移方法、装置，可应用于SNS、人工智能、图像处理等各种场景。该训练方法包括：获取第一参考妆容图片和待上妆的第一目标图片；对第一参考妆容图片进行分解操作，以得到第一参考妆容图片的第一颜色信息；对第一目标图片进行分解操作，以得到第一目标图片的第二光照信息和第二颜色信息；根据第一颜色信息确定第一参考妆容图片对应的妆容颜色信息，并根据第二颜色信息确定第一目标图片对应的第二原始皮肤颜色信息；根据第二光照信息、第二原始皮肤颜色信息以及妆容颜色信息确定第一目标图片的伪上妆结果；利用伪上妆结果作为第一监督信息，对妆容迁移模型进行训练，从而减轻训练过程中额外的噪声干扰。
-
公开(公告)号：CN116484932A
公开(公告)日：2023-07-25
申请号：CN202210044584.7
申请日：2022-01-14
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N3/08 , G06N3/0475 , G06V10/56 , G06V10/60
Abstract: 本申请提供了一种妆容迁移模型的训练方法、装置及妆容迁移方法、装置，可应用于SNS、人工智能、图像处理等各种场景。该训练方法包括：获取第一参考妆容图片和待上妆的第一目标图片；对第一参考妆容图片进行分解操作，以得到第一参考妆容图片的第一颜色信息；对第一目标图片进行分解操作，以得到第一目标图片的第二光照信息和第二颜色信息；根据第一颜色信息确定第一参考妆容图片对应的妆容颜色信息，并根据第二颜色信息确定第一目标图片对应的第二原始皮肤颜色信息；根据第二光照信息、第二原始皮肤颜色信息以及妆容颜色信息确定第一目标图片的伪上妆结果；利用伪上妆结果作为第一监督信息，对妆容迁移模型进行训练，从而减轻训练过程中额外的噪声干扰。
-
公开(公告)号：CN115880766A
公开(公告)日：2023-03-31
申请号：CN202111145837.1
申请日：2021-09-28
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V40/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种姿态迁移方法、装置、计算机设备和存储介质。该方法包括：获取源图像中源对象的三维源姿态信息和三维源形状信息以及目标图像中目标对象的三维目标姿态信息；基于三维源姿态信息和三维源形状信息进行投影变换，得到源对象对应的二维源姿态信息，并基于三维源形状信息和三维目标姿态信息进行投影变换，得到源对象对应的二维目标姿态信息；获取源图像中源对象对应的源姿态轮廓信息，基于源姿态轮廓信息、二维源姿态信息和二维目标姿态信息进行轮廓预测，得到源对象对应的目标姿态轮廓信息；基于源图像、目标姿态轮廓信息和二维目标姿态信息进行目标姿态图像生成，得到源图像对应的目标姿态图像。采用本方法提高了姿态迁移的准确性。
-
公开(公告)号：CN115131198A
公开(公告)日：2022-09-30
申请号：CN202210398075.4
申请日：2022-04-12
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请公开了一种模型训练方法、图像处理方法、装置、设备及存储介质，属于人工智能技术领域。该模型训练方法包括：获取训练图像和参考图像；调用初始下采样模型对训练图像进行下采样，得到下采样图像；基于下采样图像和参考图像，获取各个第一候选通道分别对应的损失，第一目标通道对应的损失基于第一池化图像和第二池化图像之间的像素值差异得到；利用基于各个第一候选通道分别对应的损失获取的目标损失对初始下采样模型的模型参数进行更新，得到目标下采样模型。利用上述模型训练方式，能够减小训练好的下采样模型输出的下采样图像与真值图像之间的偏差，提高下采样模型的训练准确性，进而提高图像处理的质量。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
