-
公开(公告)号：CN107146264A
公开(公告)日：2017-09-08
申请号：CN201710291472.0
申请日：2017-04-28
Applicant: 南京大学
CPC classification number: G06T11/001 , G01B11/24 , G01N21/4738 , G01N21/55
Abstract: 本发明公开了一种提取材质表面几何和光照物理属性的方法，包括以下步骤：步骤1，搭建拍摄环境；步骤2，拍摄用于光线补偿的图片；步骤3，拍摄材质图片；步骤4，计算材质表面的几何曲面形状；步骤5，计算材质表面的漫反射系数；步骤6，计算材质表面的镜面反射系数；步骤7，计算材质表面的置换信息；步骤8，计算材质的透明度值。
-
公开(公告)号：CN105913377A
公开(公告)日：2016-08-31
申请号：CN201610172203.8
申请日：2016-03-24
Applicant: 南京大学
CPC classification number: G06T3/4038 , G06T5/50 , G06T2207/20104
Abstract: 本发明公开了一种保留图片相关性信息的图片拼接方法，包括以下步骤：步骤1，相关性分析：采集待拼接的图片得到图片集，并使每张图片获得一个类标签，再由t分布随机领域嵌入方法t?SNE方法将图片的相关性信息嵌入到初始展示面板分布中，得到t?SNE分布结果；步骤2，初始化展示面板子区域；步骤3，展示面板子区域划分：结合子区域优化及错误位置校正方法，确定每幅图片的朝向角θ、摆放位置、缩放尺度，并保证图片的相关性信息不被丢失；步骤4，无缝混合渲染：基于概率混合模型对展示面板子区域之间的边界区域进行无缝混合渲染，从而完成图片集中图片的剪切拼接。
-
公开(公告)号：CN103942794B
公开(公告)日：2016-08-31
申请号：CN201410153439.8
申请日：2014-04-16
Applicant: 南京大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于置信度的图像协同抠图方法，旨在对多张拥有轻微形变的前景与较大差异背景的图像进行协同扣图。该方法采用协同分割算法对多张图像进行前背景分割，通过形态学操作取得将每张图像标记为前景、背景与待求解区域的掩膜，然后使用源图像和掩膜对每张源图像采用已有的单张普通抠图方法进行抠图，对抠图结果进行置信度量，然后对所有图像待求解区域的像素点进行匹配，继而在匹配的基础上定义一个全局优化函数以使得所有图像协同提升抠图效果，旨在由高置信度区域向与其匹配的低置信度区域进行抠图结果传播，以使得相对应的低置信度区域获得更为精确的抠图结果。该方法的输入为多张图像，输出则是多张图像的抠图结果。
-
公开(公告)号：CN103093447A
公开(公告)日：2013-05-08
申请号：CN201310022329.3
申请日：2013-01-18
Applicant: 南京大学
IPC: G06T5/50
Abstract: 本发明公开了一种计算机图片集中图片剪切拼接方法，包括以下步骤：步骤1，重要度评估；步骤2，展示面板子区域划分得到每幅图片的显示空间：选取与图片集中图片数量相同的一组圆，其中各个圆的初始半径之间的比例与所述每幅图片的重要度之间的比例相同，通过圆填充方法填充展示面板，填充完成后由圆的外切多边形划分得到展示面板子区域，从而确定每幅图片在展示面板上的显示空间Qp；步骤3，显示参数优化：确定每幅图片的朝向角θ，摆放位置、缩放尺度；步骤4，无缝混合渲染。本发明包括以下优点：更能满足人们对人物照片的客观需求。本发明会通过人脸检测设置显示人脸为最高优先级，从而有效的避免了人脸被其他照片的显示区域遮挡的情况。
-
公开(公告)号：CN113033645B
公开(公告)日：2024-12-13
申请号：CN202110290784.6
申请日：2021-03-18
Applicant: 南京大学
IPC: G06T5/60 , G06T5/50 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种RGB‑D图像的多尺度融合深度图像增强方法及装置。本发明包括：(1)通过双分支逐步融合的方案，使RGB图像和深度图像输入可以在深度预测中相互补充，用深度确保图像大体结构完整，用彩色填充缺失像素值；(2)通过分析真实数据的噪声分布，设计了一种混合多尺度损失函数，保证即使在真实图像数据有噪声的情况下，高质量的清晰图像仍旧可以生成。本发明能够合理利用RGB图像和深度图像各自的特征，确保彩色图像所得到的特征信息对深度图像的修复起到辅助作用，最终预测完整的深度图像，显著提高了深度图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN118115668A
公开(公告)日：2024-05-31
申请号：CN202410233941.3
申请日：2024-03-01
Applicant: 南京大学
Abstract: 本发明提供了一种带纹理的细节语义人体模型重建方法，包括：步骤1，根据输入数据，初步构建细节人体网格和相应的人体语义模型；步骤2，对步骤1中初步构建的细节人体网格，使用基于法向和语义的采样方法，获得部分细节语义网格；步骤3，在UV空间中对步骤2中获得的部分细节语义网格中的空洞进行修补，得到修补后的完整细节语义网格；步骤4，使用步骤1中输入图像和该图像对应的法向图对修补后的完整细节语义网格进行细节增强；步骤5，使用条件纹理扩散模型进行纹理修复和生成，完成带纹理的细节语义人体模型重建。
-
公开(公告)号：CN112927359B
公开(公告)日：2024-01-30
申请号：CN202110303157.1
申请日：2021-03-22
Applicant: 南京大学
IPC: G06T17/00 , G06T3/4038 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于深度学习和体素的三维点云补全方法，包括以下步骤：步骤1：采集不同类别的原始物体模型；步骤2：对原始物体模型进行预处理，得到残缺点云和完整点云；步骤3：用经过预处理后的残缺点云和完整点云训练体素深度神经网络模型；步骤4：采集待补全的残缺点云并进行预处理；步骤5：根据步骤3得到的训练好的模型用步骤4得到的预处理后的点云作为输入进行点云补全。本方法融合了体素和点云结构的优点，通过使用不同类别的物体点云训练深度学习网络模型，再利用训练好的模型对残缺点云进行补全，得到具有细节的、均匀的、多分辨率的补全结果，解决了传统算法难以解决的问题。
-
公开(公告)号：CN112801042A
公开(公告)日：2021-05-14
申请号：CN202110251597.7
申请日：2021-03-08
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习和视频轨迹的学生上课行为识别方法，包括以下步骤1：使用手工标注的学生上课行为训练样本训练双流卷积网络；步骤2：利用改进的轨迹算法从行为视频中提取出视频轨迹；步骤3：使用步骤2提取的轨迹和行为视频作为输入通过步骤1训练得到的双流卷积网络提取出每个视频轨迹时刻的特征；步骤4：使用步骤3提取的视频轨迹特征作为输入使用循环神经网络提取视频轨迹特征在时间维度的特征；步骤5：使用步骤4得到的特征通过时空池化后拼接获得整个视频的特征；步骤6：根据步骤5得到的视频特征训练一个线性SVM分类器对视频进行分类。
-
公开(公告)号：CN108093221B
公开(公告)日：2020-09-25
申请号：CN201711445383.3
申请日：2017-12-27
Applicant: 南京大学
Abstract: 本发明公开了一种基于缝合线的实时视频拼接方法，包括：分别读取两路监控视频第一帧作为模板帧；提取模板帧上特征点并进行特征点匹配，初步筛选匹配点集；利用RANSAC(随机抽样一致性)算法筛选出可靠的匹配点集，由此计算变换矩阵；利用变换矩阵对两帧图像进行配准，通过角点变换前后的坐标计算出重叠区域、非重叠区域和最终完整图像大小；根据重叠区域颜色强度和几何结构计算缝合线，缝合重叠区域，拼接非重叠区域，计算拼接后完整图像；对视频后续帧利用已经求得的变换矩阵和缝合线进行拼接，此过程利用CUDA平台并行加速实现。
-
公开(公告)号：CN109934902B
公开(公告)日：2020-08-11
申请号：CN201910188251.X
申请日：2019-03-13
Applicant: 南京大学
Abstract: 本发明公开了一种使用场景特征约束的梯度域渲染图像重构方法，包括：(1)采用梯度域渲染算法将待重构三维场景图像进行渲染，得到高噪声图像及梯度场；(2)从待重构三维场景图像中提取出场景特征；(3)以场景特征作为约束条件，求解目标优化函数，得到重构图像I*。本发明能够合理利用场景特征，指导重构过程，为梯度域渲染提供一种有效的后处理方法，使重构后图像噪声降到人类视觉可接受程度。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.021 seconds)
