-
公开(公告)号：CN113763268B
公开(公告)日：2023-03-28
申请号：CN202110990835.6
申请日：2021-08-26
Applicant: 中国科学院自动化研究所
IPC: G06T5/00 , G06T5/50 , G06T5/10 , G06T19/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种人脸图像盲修复方法及系统，首先获取待修复人脸图像；然后将待修复人脸图像输入至三维记忆调制生成模型，由三维记忆调制生成模型对待修复人脸图像进行盲修复，并得到三维记忆调制生成模型输出的盲修复后的目标人脸图像。三维记忆调制生成模型中包含的三维记忆调制模块可以从拓扑优化、小波记忆以及通用先验这三个方面对待修复人脸图像进行调制，并引入层规范化层面以及实例规范化层面的特征融合，最终得到修复后的目标人脸图像。通过三维记忆调制生成模型，可以克服待修复失真人脸图像中可能包含的退化模式带来的不确定性，极大地提高了人脸图像盲修复的效果，使得人脸图像盲修复更加精准，得到的目标人脸图像的图像质量更高。
-
公开(公告)号：CN114596609A
公开(公告)日：2022-06-07
申请号：CN202210062374.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种视听伪造检测方法及装置，该方法包括：获取待测视频数据；其中，待测视频数据包括至少两个视频帧，每个视频帧均包括至少一组由人脸图像和音频数据组成的视听对；将各视听对输入至训练好的双流网络，得到待测视频数据的伪造检测结果；其中，双流网络包括图像网络分支、音频网络分支和预测网络；图像网络分支用于提取人脸图像的面部关键点特征，并基于面部关键点特征提取人脸图像的帧间一致性特征；音频网络分支用于提取音频数据的音频特征，并基于音频特征提取音频数据的时间一致性特征；预测网络基于帧间一致性特征和时间一致性特征获取待测视频数据的伪造检测结果。本发明能够全面准确地对待测视频数据进行真伪检测。
-
公开(公告)号：CN113627404B
公开(公告)日：2022-01-14
申请号：CN202111185354.4
申请日：2021-10-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于因果推断的高泛化人脸替换方法、装置和电子设备，所述方法包括：确定源人脸图像和目标人脸图像；将所述源人脸图像和所述目标人脸图像输入至人脸替换模型中，得到所述人脸替换模型输出的人脸替换图像；其中，所述人脸替换模型基于所述目标人脸图像的表情姿态参数对身份信息的因果效应，确定所述源人脸图像的身份信息表示，基于所述身份信息表示和所述目标人脸图像的感知信息表示进行人脸替换；所述人脸替换模型是基于样本源人脸图像和样本目标人脸图像进行训练得到的。本发明提供的方法、装置、电子设备与存储介质，得到了高质量逼真的人脸替换图像，从而提升了人脸替换技术在不同目标场景下的稳定性和泛化能力。
-
公开(公告)号：CN113763268A
公开(公告)日：2021-12-07
申请号：CN202110990835.6
申请日：2021-08-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种人脸图像盲修复方法及系统，首先获取待修复人脸图像；然后将待修复人脸图像输入至三维记忆调制生成模型，由三维记忆调制生成模型对待修复人脸图像进行盲修复，并得到三维记忆调制生成模型输出的盲修复后的目标人脸图像。三维记忆调制生成模型中包含的三维记忆调制模块可以从拓扑优化、小波记忆以及通用先验这三个方面对待修复人脸图像进行调制，并引入层规范化层面以及实例规范化层面的特征融合，最终得到修复后的目标人脸图像。通过三维记忆调制生成模型，可以克服待修复失真人脸图像中可能包含的退化模式带来的不确定性，极大地提高了人脸图像盲修复的效果，使得人脸图像盲修复更加精准，得到的目标人脸图像的图像质量更高。
-
公开(公告)号：CN109886072B
公开(公告)日：2021-02-26
申请号：CN201811595193.4
申请日：2018-12-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于双向Ladder结构的人脸属性分类系统,旨在解决如何充分利用深度网络中不同层次的特征，以及不同层次特征与不同人脸属性之间的对应关系，以提高人脸属性分类的精确度。为此目的，本发明提供的基于双向Ladder结构的人脸属性分类系统包括双向Ladder自编码器模块、自适应注意力模块和自适应评分融合模块；双向Ladder自编码器模块包括编码器模块和解码器模块；自适应注意力模块包括多个注意力子模块；自适应评分融合模块配置为根据编码器模块的输出结果与注意力子模块输出的结果获取待测人脸图像的人脸属性分类结果。基于上述结构可以充分利用不同层次的编码特征和解码特征，提高人脸属性分类的精确度。
-
Patent Agency Ranking
公开(公告)号：CN119027788A
公开(公告)日：2024-11-26
申请号：CN202410900407.3
申请日：2024-07-05
Applicant: 中国科学院自动化研究所 , 北京三快在线科技有限公司
IPC: G06V20/00 , G06V10/80 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种文本图像篡改检测方法及装置，该方法包括：获取待检测文本图像；基于图像篡改检测模型对待检测文本图像进行处理，得到检测结果；图像篡改检测模型基于以样本RGB图像为训练样本，以黑白二值Mask图为训练标签，以目标语义信息为先验信息，以多尺度融合特征为训练特征对语义网络模型进行训练得到；目标语义信息通过对融合特征进行选择性扫描、多阶段语义轴向注意力解耦和上采样得到，多尺度融合特征通过对融合特征进行选择性扫描、多阶段语义轴向注意力解耦和多尺度融合解码得到。本发明所述方法利能够捕获到更加全面细致的目标表示，提高了图像篡改检测的泛化性和准确率。
-
公开(公告)号：CN114596609B
公开(公告)日：2023-05-09
申请号：CN202210062374.0
申请日：2022-01-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种视听伪造检测方法及装置，该方法包括：获取待测视频数据；其中，待测视频数据包括至少两个视频帧，每个视频帧均包括至少一组由人脸图像和音频数据组成的视听对；将各视听对输入至训练好的双流网络，得到待测视频数据的伪造检测结果；其中，双流网络包括图像网络分支、音频网络分支和预测网络；图像网络分支用于提取人脸图像的面部关键点特征，并基于面部关键点特征提取人脸图像的帧间一致性特征；音频网络分支用于提取音频数据的音频特征，并基于音频特征提取音频数据的时间一致性特征；预测网络基于帧间一致性特征和时间一致性特征获取待测视频数据的伪造检测结果。本发明能够全面准确地对待测视频数据进行真伪检测。
-
公开(公告)号：CN115908141A
公开(公告)日：2023-04-04
申请号：CN202211690099.3
申请日：2022-12-27
Applicant: 中国科学院自动化研究所
IPC: G06T3/40 , G06V10/82 , G06V10/44 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于无源领域自适应的图像超分辨率方法及装置，该方法包括：将无标签的待处理图像输入至预训练后的源域模型，得到所述待处理图像对应的伪标签，所述源域模型基于有标签的样本图像训练得到；将所述待处理图像输入至目标域模型，得到目标超分辨率图像和目标低分辨率图像，所述目标域模型基于所述伪标签训练得到。本发明提供的基于无源领域自适应的图像超分辨率方法，可以提高了模型的泛化性能，减轻模型在源域和目标域之间的差距。
-
公开(公告)号：CN115631115B
公开(公告)日：2023-03-28
申请号：CN202211569108.3
申请日：2022-12-08
Applicant: 中国科学院自动化研究所
IPC: G06T5/00 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于递归Transformer的动态图像复原方法，涉及图像处理技术领域，该方法包括：获取待处理的图像；对所述待处理的图像进行预处理，得到第一图像；将所述第一图像输入至图像复原模型，得到所述图像复原模型输出的目标图像；所述目标图像的分辨率高于所述待处理图像的分辨率，所述图像复原模型是基于样本第一图像和所述样本第一图像的标签数据进行训练得到的，用于对所述第一图像进行复原。本发明提供的方法，通过图像复原模型实现了待处理的图像复原为高分辨率的目标图像，提升了图像复原的质量和效率。
-
公开(公告)号：CN115631115A
公开(公告)日：2023-01-20
申请号：CN202211569108.3
申请日：2022-12-08
Applicant: 中国科学院自动化研究所
IPC: G06T5/00 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于递归Transformer的动态图像复原方法，涉及图像处理技术领域，该方法包括：获取待处理的图像；对所述待处理的图像进行预处理，得到第一图像；将所述第一图像输入至图像复原模型，得到所述图像复原模型输出的目标图像；所述目标图像的分辨率高于所述待处理图像的分辨率，所述图像复原模型是基于样本第一图像和所述样本第一图像的标签数据进行训练得到的，用于对所述第一图像进行复原。本发明提供的方法，通过图像复原模型实现了待处理的图像复原为高分辨率的目标图像，提升了图像复原的质量和效率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
