-
公开(公告)号：CN113706577B
公开(公告)日：2025-05-09
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：CN111970503B
公开(公告)日：2023-08-22
申请号：CN202010856161.6
申请日：2020-08-24
Applicant: 腾讯科技(深圳)有限公司
IPC: H04N13/261 , H04N13/286 , H04N13/289
Abstract: 本申请提供了一种二维图像的三维化方法、装置、电子设备及计算机可读存储介质；方法包括：对二维图像进行深度感知处理，得到所述二维图像中每个像素点的深度值；对所述二维图像中每个像素点分别进行多个视角的迁移处理，得到对应每个视角的迁移结果；基于所述二维图像中每个像素点的深度值以及每个视角的迁移结果，确定对应每个视角的迁移图像中每个像素点的色彩值；基于每个视角的迁移图像中每个像素点的色彩值，生成对应视角的迁移图像；将多个视角的迁移图像按照顺序封装，得到三维化视频。通过本申请，能够基于一个二维图像快速且准确地生成三维化视频。
-
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：CN113591529A
公开(公告)日：2021-11-02
申请号：CN202110200497.1
申请日：2021-02-23
Applicant: 腾讯科技(深圳)有限公司 , 中国人民大学
Abstract: 本申请涉及一种动作分割模型的处理方法、装置、计算机设备和存储介质，具体涉及人工智能的计算机视觉技术，包括：对样本视频的特征向量序列进行特征增强处理，得到增强特征序列；将增强特征序列中处于对数上下文内的增强特征向量，划分至多个对数上下文层级，根据划分至同一层级的增强特征向量获得样本视频对应的对数上下文特征序列，并根据对数上下文特征序列与增强特征序列之间的相似度，预测各视频帧对应的边界分类结果；根据增强特征序列，预测各视频帧对应的动作分类结果；基于各视频帧的动作类别标签、边界分类结果和动作分类结果更新模型参数后继续训练，直至获得训练好的动作分割模型。本申请实施例提供的方案能够提高对动作边界附近视频帧进行动作分类的准确度。
-
公开(公告)号：CN112214411A
公开(公告)日：2021-01-12
申请号：CN202011121934.2
申请日：2020-10-20
Applicant: 腾讯科技(深圳)有限公司
IPC: G06F11/36
Abstract: 本申请提供一种容灾系统测试方法、装置、设备及存储介质，可以应用于云安全等数据安全相关领域，用于提高测试容灾系统的效率。该方法包括：根据预先配置的目标故障配置信息，针对所述目标故障配置信息指示的至少一个数据库触发目标故障；获得所述待测试容灾系统对所述目标故障进行处理的过程中，所述数据库集群中各数据库的状态变化信息；当所述状态变化信息和参考状态变化信息相匹配时，确定所述待测试容灾系统成功处理所述目标故障，其中，所述参考状态变化信息是预先根据参考容灾系统针对目标故障的成功处理过程确定的。
-
Patent Agency Ranking
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：CN114782861A
公开(公告)日：2022-07-22
申请号：CN202210335171.4
申请日：2022-03-31
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供了一种实例分割方法、相关设备和存储介质，其中方法包括：获取目标视频中的N帧视频图像，每帧视频图像包括一个或多个实例，N为大于1的整数；获取所述每帧视频图像的图像特征以及所述每帧视频图像对应的时域记忆特征，所述时域记忆特征用于指示视频图像在时域上的记忆图像特征；对所述每帧视频图像对应的时域记忆特征进行时域移位处理，得到所述每帧视频图像对应的记忆移位特征；基于所述每帧视频图像的图像特征和对应的记忆移位特征，对所述N帧视频图像进行实例分割，得到所述每帧视频图像包括的实例，可以提高视频实例分割的准确性。
-
公开(公告)号：CN114863202B
公开(公告)日：2024-12-13
申请号：CN202210293495.6
申请日：2022-03-23
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/75 , G06V10/774 , G06V10/74 , G06V20/40 , G06N20/00
Abstract: 本申请公开了一种视频表征方法及装置，属于计算机技术领域。所述方法包括：获取待处理视频片段；将待处理视频片段输入目标视频表征模型，得到待处理视频片段对应的第一视频表征数据。本申请实施例提供的技术方案中，通过训练样本中的视频片段对应的视频表征数据，可以确定视频片段之间的相似度信息，并在相似度信息的基础上引入视频片段之间的时序距离信息来确定距离衰减损失信息，以此在模型训练过程中调整时序距离信息与相似度信息之间的负相关程度，使得视频表征模型学习到不同视频片段在时间维度上的距离与其相似度之间的相关性，输出更加准确的视频表征数据对待处理视频进行特征表示，有效提升视频表征的准确性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.041 seconds)
