-
公开(公告)号：CN118553001A
公开(公告)日：2024-08-27
申请号：CN202411019660.4
申请日：2024-07-29
Applicant: 中国科学院自动化研究所
IPC: G06V40/16 , G06V10/54 , G06V10/774 , G06V10/80 , G06V10/82 , G06T17/00 , G06N3/0464
Abstract: 本发明提供一种基于素描输入的纹理可控的三维精细人脸重建方法及装置，涉及图像数据处理技术领域，方法包括：通过粗糙重建网络对待重建二维人脸素描图像进行预测得到三维人脸可变形模型系数，进而构建预重建结果；对预重建结果进行特征提取，得到三维位置编码图；对待重建二维人脸素描图像进行特征提取，得到素描纹理编码图；通过精细重建网络对素描纹理编码图、三维位置编码图进行预测，得到三维法线偏移图；基于三维法线偏移图与三维位置编码图，确定精细位置信息编码图，并映射得到三维人脸重建结果，最后纹理构建得到三维人脸最终重建结果。通过本申请，用以克服现有技术素描三维人脸重建方法缺乏纹理控制、重建模型训练困难的缺陷。
-
公开(公告)号：CN117197843B
公开(公告)日：2024-02-02
申请号：CN202311461061.3
申请日：2023-11-06
Applicant: 中国科学院自动化研究所
Abstract: 本申请提供一种无监督的人体部件区域确定方法及装置，涉及数据识别技术领域，其中方法包括：将人体图像输入至特征提取模块，基于无监督深度学习网络提取所述人体图像中的初始人体部件特征，所述无监督深度学习网络中的联合损失函数包括：对比损失函数，几何损失函数和均匀损失函数；将所述初始人体部件特征输入至语义一致模块，自适应学习所述初始人体部件特征对应的语义；将所述初始人体部件特征对应的语义输入至图卷积模块，通过图卷积神经网络确定所述人体图像中的人体部件区域。本申请实现了全流程的无监督学习，以及人体部件区域的语义一致性。
-
公开(公告)号：CN117197843A
公开(公告)日：2023-12-08
申请号：CN202311461061.3
申请日：2023-11-06
Applicant: 中国科学院自动化研究所
Abstract: 本申请提供一种无监督的人体部件区域确定方法及装置，涉及数据识别技术领域，其中方法包括：将人体图像输入至特征提取模块，基于无监督深度学习网络提取所述人体图像中的初始人体部件特征，所述无监督深度学习网络中的联合损失函数包括：对比损失函数，几何损失函数和均匀损失函数；将所述初始人体部件特征输入至语义一致模块，自适应学习所述初始人体部件特征对应的语义；将所述初始人体部件特征对应的语义输入至图卷积模块，通过图卷积神经网络确定所述人体图像中的人体部件区域。本申请实现了全流程的无监督学习，以及人体部件区域的语义一致性。
-
公开(公告)号：CN116978132A
公开(公告)日：2023-10-31
申请号：CN202310892852.5
申请日：2023-07-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种活体检测方法、装置、电子设备和存储介质，其中方法包括：基于训练好的第一扩散模型为目标图像添加噪声后，基于训练好的第二扩散模型为添加噪声的目标图像去除噪声，获取目标图像对应的还原图像；将目标图像减去还原图像，得到目标图像的图像噪声；将目标图像和图像噪声输入训练好的双分支深度检测模型，根据双分支深度检测模型输出的深度图，确定目标图像是否为真实人脸图像；其中，第一扩散模型基于真实人脸图像数据集和欺诈人脸图像数据集训练得到；第二扩散模型基于真实人脸图像数据集训练得到；双分支深度检测模型基于真实人脸图像数据集和欺诈人脸图像数据集训练得到。从而提高了活体检测的泛化性能和稳定性。
-
公开(公告)号：CN116843834A
公开(公告)日：2023-10-03
申请号：CN202310809920.7
申请日：2023-07-03
Applicant: 中国科学院自动化研究所
IPC: G06T17/00
Abstract: 本发明提供一种三维人脸重建及六自由度位姿估计方法、装置及设备，其中方法包括：获取待重建人脸图像；将所述待重建人脸图像输入至三维人脸重建模型中，由所述三维人脸重建模型得到并输出所述待重建人脸图像的三维重建结果和所述待重建人脸图像中人脸的六自由度位姿；所述三维人脸重建模型是基于样本人脸图像的三维重建预测结果和所述样本人脸图像的标签三维重建结果进行训练，以及基于所述三维重建预测结果与人脸部分二维像素的关联矩阵对所述样本人脸图像的六自由度位姿进行约束得到的。本发明提供的方法、装置及设备，提高了人脸姿态的准确性，也进一步提高了人脸重建的准确性和可靠性，提高了人脸重建的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115775404A
公开(公告)日：2023-03-10
申请号：CN202211468699.5
申请日：2022-11-22
Applicant: 中国科学院自动化研究所
IPC: G06V40/16
Abstract: 本发明实施例提供了一种人脸识别模型的训练方法、装置、设备和存储介质，该方法包括：获取多批样本图像，每批样本图像中包括多张遮挡人脸图像；针对遮挡人脸图像进行划分，得到多个图像块，多个图像块中包括遮挡区域对应的图像块和非遮挡区域对应的图像块；对每个图像块进行特征提取，得到每个图像块的第一图像特征，并基于第一图像特征，通过自注意力机制进行关系抽取，得到遮挡人脸图像的目标图像特征，其中，遮挡区域对应的图像块和非遮挡区域对应的图像块之间的注意力值为0；基于目标图像特征，对初始人脸识别模型进行训练，得到人脸识别模型，人脸识别模型用于对目标遮挡人脸图像进行识别。本发明可以提高遮挡人脸识别的准确度。
-
公开(公告)号：CN114612605A
公开(公告)日：2022-06-10
申请号：CN202210089804.8
申请日：2022-01-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种三维人体重建方法及装置，该方法包括：获取目标人体实例的图像，作为目标图像；将目标图像输入三维人体重建模型，获取三维人体重建模型输出的目标人体实例的三维人体重建结果；其中，三维人体重建模型，用于基于每一预设采样点对应的图像特征和蒙皮参数对目标人体实例进行三维人体重建，图像特征基于目标图像确定，蒙皮参数基于对应的图像特征确定，各预设采样点在三维空间中均匀分布。本发明提供的三维人体重建方法及装置，能在无需依赖标定好相机参数的图像传感器的情况下，无拘束的获取目标人体实例的图像，从而能更简单、更高效的进行三维人体重建，能实现更广泛的适用于各类场景的三维人体重建。
-
公开(公告)号：CN114377398A
公开(公告)日：2022-04-22
申请号：CN202111478788.3
申请日：2021-12-06
Applicant: 中国科学院自动化研究所
IPC: A63F13/573 , G06K9/62 , G06V10/764 , G06V10/77 , G06V10/62
Abstract: 本发明提供一种实体轨迹的反事实预测方法及装置，该方法包括：获取游戏过程中的历史视频序列和待测视频帧；其中，待测视频帧为游戏过程中加扰动时刻对应的图像数据；提取历史视频序列和待测视频帧中各实体的3D位置信息；将各实体的3D位置信息输入至反事实预测模型，得到加扰动后游戏中各实体的运动轨迹的预测结果；其中，反事实预测模型包括混杂因子估计模型和混杂因子传输模型，混杂因子估计模型用于根据历史视频序列中各实体的3D位置信息得到游戏中的混杂因子；混杂因子传输模型用于根据待测视频帧中各实体的3D位置信息和混杂因子，得到加扰动后游戏中各实体的运动轨迹的预测结果。本发明泛化能力强，有效降低了计算资源的消耗。
-
公开(公告)号：CN113936090A
公开(公告)日：2022-01-14
申请号：CN202110676130.7
申请日：2021-06-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了三维人体重建的方法、装置、电子设备及存储介质，包括：获取人体图像；将人体图像输入至训练好的三维人体重建模型，得到人体图像的三维重建结果；其中，训练好的三维人体重建模型为利用扫描人体后的人体扫描模型渲染到不同背景图像中生成的图像进行训练后得到。本发明通过提取点云的全局特征和局部特征为点云提供了语义信息与强约束，使得三维人体重建模型能够学习到全局的姿态信息以及局部的细节信息，通过参数化人体模型获取三维语义特征，为模型提供了强约束，提高三维人体重建模型的细节的准确度真实度，同时提高了对人体姿态的鲁棒性。
-
公开(公告)号：CN118314611A
公开(公告)日：2024-07-09
申请号：CN202410209631.8
申请日：2024-02-26
Applicant: 中国科学院自动化研究所
IPC: G06V40/16 , G06V40/40 , G06V10/774
Abstract: 本发明提供一种人脸活体检测方法及装置，所述方法包括：获取目标人脸图像；基于人脸活体检测模型，从目标人脸图像中提取图像特征以及类别文本提示词的文本特征，并基于图像特征以及类别文本提示词的文本特征确定人脸活体检测结果；人脸活体检测模型基于不同模态的样本人脸图像以及对应的样本人脸标签训练得到，人脸活体检测模型是以最小化样本人脸活体检测结果与样本人脸标签之间的差异，最小化样本模态预测结果与样本模态标签之间的差异以及最大化样本类别文本提示词的文本特征与样本模态文本提示词的文本特征之间的差异为训练目标的。本发明能够灵活对不同模态场景下的目标人脸图像准确进行人脸活体检测，实现提高人脸活体检测泛化性。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.029 seconds)
