-
公开(公告)号：CN119831826A
公开(公告)日：2025-04-15
申请号：CN202411701484.2
申请日：2024-11-26
Applicant: 南京理工大学
IPC: G06T3/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨空间调节的文本驱动的风格迁移方法，包括：利用预训练的深度卷积神经网络VGG‑19从任意一张给定的照片中提取内容特征；利用预训练的CLIP文本编码器从任意一个给定的文本提示中提取风格特征；构造跨空间调节模块，用于弥合VGG特征空间和CLIP特征空间之间的差异；构造内容损失函数、定向CLIP损失函数、块对块CLIP损失函数以及基于CLIP的风格对比损失函数，用于约束风格迁移网络的生成过程，最终得到与目标内容和目标风格相符的艺术图像。本发明能够将文本中所描述的艺术风格迁移到日常照片上，创造出新的艺术图像，提升了艺术图像创意生成的灵活性和创新性，在文化创意、影视制作、工业设计等诸多领域有着重要的科学意义和应用价值。
-
公开(公告)号：CN119295318A
公开(公告)日：2025-01-10
申请号：CN202411399515.3
申请日：2024-10-09
Applicant: 南京理工大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/80 , G06T5/60 , G06N3/042 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种用于数字服装仿真细节增强的动态几何超分辨率方法，以低分辨率服装仿真序列为输入，实现高分辨率、高频几何细节增强，生成褶皱细节生动细腻的高保真数字服装形变序列。该方法结合布料物理动力特征、服装与身体的相互作用信息，基于有监督的深度学习，实现在非规则网格体几何表面提取超分特征，通过超参数网络使用超分特征来构造服装动态几何细节上采样隐式函数，生成高分辨率几何细节。该方法在生成高分辨率几何细节的同时矫正低分辨率网格体几何形变，使得所生成的服装细节质量大幅提升。该发明提供了一种轻量化的、高效的服装细节增强方法，有助于将高保真服装实时仿真应用于低预算、普惠性应用场景。
-
公开(公告)号：CN114913093A
公开(公告)日：2022-08-16
申请号：CN202210565008.7
申请日：2022-05-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种真实场景的AI去烟雾方法，为真实烟雾场景提供更清晰的视野，该方法利用非对齐的清晰图像设计损失函数监督训练去烟雾网络，并且重新定义了大气光的均值‑方差描述方式和传输介质图的三通道方式，提出相应的神经网络结构更好的学习大气光和传输介质图，使得重构损失函数有效地训练去烟雾网络。本发明降低了传统监督模型对数据的严格对齐需求，使得模型能够在真实场景下完成训练，避免了合成数据训练与真实数据测试的不一致性导致的不好效果；重新定义了大气光和传输介质图，使得更符合真实场景，从而提升真实场景下的去烟雾效果。
-
公开(公告)号：CN114627646A
公开(公告)日：2022-06-14
申请号：CN202210216986.0
申请日：2022-03-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于车牌识别数据的路段交通流模式识别方法及系统，确定基础研究路段，统计每辆车的出行链；基于路段的实时流量、驶入场所的车流量、驶出场所的车流量以及区域流量，将全天划分为不同时段并构建特征数据集；利用主成分分析法对特征数据集进行降维；将降维后的数据集分别传入不同的聚类算法，利用轮廓系数和Davies‑Bouldin指数评判出最优算法、最优模式类别数，以及基础研究路段的模式识别结果；利用不同的分类学习器对已经带有标签的基础研究路段进行学习，获得最优分类器，用于新增路段的交通流模式识别。本发明通过交通流模式识别结果能够找出明显地释放或者吸引车辆的路段，这对于整体路网的交通控制都是非常有用的。
-
Patent Agency Ranking
公开(公告)号：CN114564766A
公开(公告)日：2022-05-31
申请号：CN202210114844.3
申请日：2022-01-30
Applicant: 南京理工大学
IPC: G06F30/10 , G06F111/04
Abstract: 本发明公开了一种视觉产品外观的AI生成方法，为工业产品外观设计师提供辅助参考和灵感；当输入一个原产品，一个目标物体以及一张艺术风格图片，本方法将原产品的纹理外观形变成目标物体的形状，进而构成新产品，同时将艺术风格迁移到新产品，最终形成一个美妙的视觉产品外观；本方法命名为工业风格迁移，它由大尺度几何形变模块和兴趣保持纹理迁移模块这两部分组成；其中，大尺度几何形变模块目的在于以无监督的方式学习原产品和目标物体形状掩码之间的转换，实现大尺度几何形变；兴趣保持纹理迁移模块则在传统的纹理风格迁移上引入了兴趣正则化项，使得在纹理迁移后能够尽可能的保留原产品中重要的内容细节。
-
公开(公告)号：CN119338947A
公开(公告)日：2025-01-21
申请号：CN202411265710.7
申请日：2024-09-10
Applicant: 南京理工大学
Abstract: 本发明公开了一种图文融合的新物体AI生成方法，旨在结合物体文本与物体图像生成不同的物体图像；该方法的输入是一个原始的物体图像和一个要融合的物体文本名称，输出的是两个物体平滑融合的新物体图像，融合生成的物体不仅具有原始的物体图像的布局或姿态，而且包含文本物体的特征信息。本发明可以立足于现实中存在的物体进行操作，从现实存在的物体出发进行融合，不局限于虚拟或合成的数据，而是可以从真实的物体图像出发，该方法更加贴近现实世界，使得生成的图像更具有真实感和实用性。
-
公开(公告)号：CN119323533A
公开(公告)日：2025-01-17
申请号：CN202411322635.3
申请日：2024-09-23
Applicant: 南京理工大学
Abstract: 本发明公开了一种真实移动场景下的视频去雾和深度估计方法，为真实雾场景提供更清晰的视野和距离感知，本方法结合亮度一致性约束和大气散射模型共同优化深度估计网络；亮度一致性约束是利用去雾的相邻帧作为输入，获得更精确的相机位姿，利用估计的深度图完成重投影，构建自监督的估计方式；随着深度估计网络的自监督学习，分别完成对整个大气散射模型的每个分量进行有效的解耦，同时利用每个分量去重构雾帧，形成一个重构损失约束去监督整个框架的学习；利用亮度一致性约束和大气散射模型共享的深度信息去构建一个共同优化的学习框架。在测试使用阶段，仅需输入一张真实雾的测试图像，就可以利用去雾网络和深度估计网络快速地修复其清晰场景。
-
公开(公告)号：CN117689581A
公开(公告)日：2024-03-12
申请号：CN202311796648.X
申请日：2023-12-23
Applicant: 南京理工大学
IPC: G06T5/73 , G06T5/50 , G06N3/0464 , G06N3/0895 , G06N3/045
Abstract: 本发明公开了一种真实驾驶环境下的视频去雾方法，用于安全辅助驾驶。该方法通过识别与模糊帧紧密匹配的清晰帧，作为监督视频去雾网络的参考，结合非对齐正则化学习方法进行模型训练；该方法包括两个关键部分:参考匹配部分和视频去雾部分；参考匹配部分由一个非对齐参考帧匹配模块构成，利用自适应滑动窗口从清晰视频中匹配高质量参考帧，该模块将输入的模糊帧与最接近场景的最清晰帧配对；视频去雾部分由光流引导余弦注意采样器模块和可变形余弦注意融合模块组成。本发明有效地解决了实际驾驶视频去雾中地域、时空对齐问题，提高了自主驾驶系统地视觉感知和安全性能。
-
公开(公告)号：CN115775298A
公开(公告)日：2023-03-10
申请号：CN202211649506.6
申请日：2022-12-21
Applicant: 南京理工大学
IPC: G06T17/00 , G06T15/04 , G06V10/26 , G06V10/80 , G06V10/82 , G06V10/54 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种单视角图像的三维风格迁移方法，为三维建模领域提供更具有创新特色的三维模型。当输入一张原始图片，一个同类别的目标图片，本方法将目标图片中该类别目标的形状特征以及纹理迁移到原始图片中的目标上，形成具有创新意义的三维目标；本方法由形状迁移模块和纹理迁移模块这两部分组成；其中形状迁移模块目的在于提取两张单视角图片中的三维形状特征并加以融合，实现形状特征的迁移，实现基于单视角图片的三维形状迁移；纹理迁移模块则在传统的纹理风格迁移上加入mask掩码，实现可控制的部分纹理风格迁移。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.033 seconds)
