公开(公告)号：CN119991910A

公开(公告)日：2025-05-13

申请号：CN202510449978.4

申请日：2025-04-11

Applicant: 南昌大学

Inventor： 韩清 ,  程洪辉 ,  闵卫东 ,  严聪 ,  赵龙琪

IPC: G06T15/02 ,  G06T17/00 ,  G06T7/90 ,  G06V10/75

Abstract: 本发明涉及计算机视觉和机器学习技术领域，具体涉及三维场景风格迁移方法、电子设备和存储介质。在本发明中，通过以下步骤训练风格迁移模型：提取三维场景图和风格图像中多维度的特征信息，得到场景全局特征、场景局部特征、风格全局特征和风格局部特征；分别计算场景全局特征和风格全局特征之间的欧氏距离、场景局部特征和风格局部特征之间的欧氏距离，并最小化欧氏距离；通过解码操作得到目标场景图，并将风格图像和目标场景图进行颜色迁移操作；根据总损失函数更新风格迁移模型的参数。利用训练好的风格迁移模型进行风格迁移，丰富了局部风格细节，实现了颜色匹配的高度一致性和准确性。

公开(公告)号：CN120014715A

公开(公告)日：2025-05-16

申请号：CN202510504014.5

申请日：2025-04-22

Applicant: 南昌大学

Inventor： 韩清 ,  赵龙琪 ,  闵卫东 ,  程洪辉 ,  严聪

IPC: G06V40/20 ,  G06N3/042 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/42 ,  G06V10/44

Abstract: 本申请属于计算机视觉领域，公开了基于多样式拓扑矩阵和细化骨骼特征的一种三维骨骼人体全身动作识别方法、系统、设备及介质，该方法首先获取包含多帧人体关节点三维坐标的骨骼动作序列数据，构建由头部、躯干、下肢三个局部邻接矩阵和一个全局邻接矩阵组成的多样式拓扑结构；通过图卷积网络进行时空特征提取后，对输出特征进行细化处理生成局部和全局特征表示，并计算对应的预测概率分布；采用全局与局部预测概率分布联合优化的组合损失函数训练网络，最终输出动作分类结果。该方法通过有效骨骼拓扑表示捕捉关节关系，结合局部与全局特征精细化学习，提升了三维骨骼人体动作识别性能。

公开(公告)号：CN119963708A

公开(公告)日：2025-05-09

申请号：CN202510449977.X

申请日：2025-04-11

Applicant: 南昌大学

Inventor： 韩清 ,  严聪 ,  闵卫东 ,  赵龙琪 ,  程洪辉

IPC: G06T13/40 ,  G06T7/68 ,  G06V10/776 ,  G06V10/82 ,  G06V40/10

Abstract: 本申请公开了一种三维数字人体生成方法及系统，属于计算机视觉技术领域。其中方法包括：获取人体正面图像数据集并进行预处理，得到目标数据集；构建背面生成法线融合网络模型，并根据目标数据集中对背面生成法线融合网络模型进行训练和测试；将待生成三维数字人体的正面图像输入测试后的背面生成法线融合网络模型，背面生成法线融合网络模型输出待生成三维数字人体的正面图像对应的三维数字人体。通过潜在扩散模型结合关节点信息生成人体背面图像，将单视图缺失的背面几何与纹理信息转化为双视角一致的数据，提高背面图像预测的准确性。