-
公开(公告)号：CN114647969B
公开(公告)日：2025-03-25
申请号：CN202210399244.6
申请日：2022-04-15
Applicant: 南京大学
IPC: G06F30/23 , G06F30/27 , G06T17/20 , G16C60/00 , G16C10/00 , G06F113/12 , G06F119/14
Abstract: 本发明公开了一种布料参数测量方法及系统，包括：获取目标布料形变前图像和形变后图像；根据形变前图像确定目标布料形变前关键点的第一坐标；关键点为人工标志点；根据形变后图像确定目标布料形变后关键点的第二坐标；根据第一坐标和第二坐标确定关键点的形变梯度；根据布料参数、关键点的形变梯度以及格林应变张量模型确定各关键点的受力；随机向各关键点进行布料参数的初始赋值；采用格林应变张量模型对布料参数进行迭代优化，得到布料参数最优值；所述布料参数最优值用于布料仿真。本发明的布料参数测量方法采用格林应变张量模型对布料进行建模，得到的布料参数准确性高，从而提高了其建模的真实性。
-
公开(公告)号：CN119110046A
公开(公告)日：2024-12-10
申请号：CN202410981867.3
申请日：2024-07-22
Applicant: 南京大学
IPC: H04N13/156 , H04N5/265 , H04N13/293 , H04N13/361
Abstract: 本发明公开了基于双路视觉的立体影像合成方法，涉及视觉和图像处理技术领域，该方法包括以下组成部分：双路视觉图像采集模块，负责采集左右两个视角的图像数据，并对采集到的图像进行预处理，预处理包括去噪、对比度增强、尺寸调整和图像对齐的步骤，旨在提高图像质量，为后续匹配和合成提供更准确的原始数据，本发明采用基于深度神经网络的匹配算法，通过训练大量图像数据，使得算法能够学习到图像间的深层对应关系，从而实现更高精度的匹配，有效减少了因匹配错误而导致的影像失真和模糊问题，这种高精度的匹配为后续的立体影像合成提供了更可靠的数据基础，确保了生成的立体影像的清晰度和逼真度。
-
公开(公告)号：CN112906675B
公开(公告)日：2024-03-22
申请号：CN202110457655.1
申请日：2021-04-27
Applicant: 南京大学
IPC: G06V40/10 , G06V10/774 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种固定场景中的无监督人体关键点检测方法及系统，利用相机阵列中不同拍摄视角的彩色相机同步拍摄的多个人物彩色图像样本对卷积神经网络进行训练，将不同拍摄视角的待检测人物彩色图像输入训练好的卷积神经网络的编码器，获得不同拍摄视角的待检测人物热度图，从不同拍摄视角的待检测人物热度图中即可提取待检测人物的人体关键点的三维坐标。本发明对卷积神经网络进行无监督训练，解决了神经网络的训练需要大量标注数据的问题，并利用卷积神经网络实现人体关键点的三维坐标的精确测量，解决了传统人体关键点监测时需要穿戴marker的问题。
-
公开(公告)号：CN116416349A
公开(公告)日：2023-07-11
申请号：CN202310240449.4
申请日：2023-03-14
Applicant: 南京大学
Abstract: 本发明公开一种基于重建人脸的语音驱动人脸序列生成方法及系统，涉及计算机视觉领域，方法包括：将待处理多视觉人脸图片集以及每张图片对应的相对相机外参输入至三维人脸重建模型以得到三维重建人脸；三维人脸重建模型包括光流特征提取模块和人脸构建模块；光流特征提取模块用于进行特征提取以得到预测人脸光流特征；人脸构建模块用于通过三角化过程重建人脸以得到三维重建人脸；将待处理语音片段输入至语音驱动人脸序列模型以得到三维模板人脸序列；基于三维重建人脸和三维模板人脸序列构建三维重建的语音驱动人脸序列。本发明能够快速获取高精度的重建人脸的语音驱动序列。
-
公开(公告)号：CN116305361A
公开(公告)日：2023-06-23
申请号：CN202310298544.X
申请日：2023-03-24
Applicant: 南京大学
IPC: G06F30/10 , G06F30/12 , G06F30/23 , G06F113/12 , G06F119/14
Abstract: 本发明公开一种三维衣物参数编辑方法、系统、电子设备及存储介质，涉及计算机辅助设计技术领域，方法包括获取描述衣物版型的源文件；所述源文件包括衣物版型的拓扑、衣物面片的缝合关系和衣物调节参数；根据所述源文件确定衣物二维版型轮廓并根据所述衣物二维版型轮廓确定仿真三角网格；将所述仿真三角网格在人体模型上进行物理仿真，得到衣物动力学仿真结果；根据编辑模式、所述源文件和所述衣物动力学仿真结果确定最优衣物参数；所述编辑模式包括UI控件编辑模式和仿真界面交互模式；根据所述最优衣物参数和所述源文件进行重三角化，得到衣物模型，本发明能让普通用户实现量体定衣，降低量体定衣的成本。
-
Patent Agency Ranking
公开(公告)号：CN116188727A
公开(公告)日：2023-05-30
申请号：CN202310237650.7
申请日：2023-03-14
Applicant: 南京大学
Abstract: 本发明公开一种多视图人脸表面重建的方法、系统、设备及介质，涉及计算机视觉与三维重建领域；通过对获取的t时刻的多张人脸图像进行分割缩放处理，得到t时刻的主视角缩放图像以及多张目标缩放图像；采用可形变卷积，主视角缩放图像与各目标缩放图像分别进行匹配后计算对应的余弦夹角，并进行设定区间的选择，最终得到优化偏移量；进而再根据t时刻的相机外参确定的三维坐标，得到t时刻的多个匹配坐标；最终确定t时刻的人脸点云后，构建t时刻的人脸三维表面；本发明通过多视角的图像匹配后进行三维重建，以真实还原信息。
-
公开(公告)号：CN116109778A
公开(公告)日：2023-05-12
申请号：CN202310191074.7
申请日：2023-03-02
Applicant: 南京大学
IPC: G06T17/00 , G06T7/269 , G06T7/10 , G06T7/50 , G06N3/0464
Abstract: 本发明公开一种基于深度学习的人脸三维重建方法、计算机设备与介质，涉及人脸三维重建技术领域，该方法包括通过训练好的粗匹配网络模型对目标人脸的多张不同视角图像进行预测，得到每一视角图像到目标视角图像的预测光流，并根据真实相机参数生成粗糙人脸，粗糙人脸分割成若干个图像块，并通过虚拟相机参数生成每一图像块对应的初始深度图，然后通过训练好的曲面重建网络得到每一图像块的曲面预测编码，再通过训练好的曲面解码器解码，得到每一图像块对应的初始深度图上每一像素点的重建深度值，根据上述所有重建深度值得到重建人脸。本发明通过深度学习模型对每一图像块分别进行深度重建，能够以较小的网络参数量实现高精度的人脸重建。
-
-
公开(公告)号：CN114663600A
公开(公告)日：2022-06-24
申请号：CN202210400962.0
申请日：2022-04-18
Applicant: 南京大学
Abstract: 本发明涉及一种基于自编码器的点云重建方法及系统。该方法包括获取激光雷达系统的当前的数据；对所述当前的数据进行空间划分，确定多个数据块；根据数据块，采用训练好的自编码器网络确定局部距离函数场；根据局部距离函数场，利用等值面提取算法确定局部场景表面；对局部场景表面进行拼接确定场景表面。本发明能够增量式地由激光雷达采集得到的连续若干帧点云重建高质量的完整场景，同时场景存储开销较小，重建速度较快，能够应对大部分室外场景的重建工作。
-
公开(公告)号：CN114663599A
公开(公告)日：2022-06-24
申请号：CN202210398618.2
申请日：2022-04-15
Applicant: 南京大学
Abstract: 本发明涉及一种基于多视图的人体表面重建方法及系统。该方法包括获取多视角的室内RGB图片，并利用训练好的人体UV估计网络得到每个视角的UV坐标图；根据每个视角的UV坐标图计算相邻两个视角的光流；并根据光流以及相机外参矩阵得到初始深度图；根据多视角的室内RGB图片以及初始深度图，利用训练好的多视角深度估计神经网络确定每个视角的深度图；根据每个视角的深度图提取人体点云，并基于marching‑cubes算法将提取的人体点云融合为人体三维表面；根据人体三维表面进行任意视角下的渲染可视化。本发明实现一种端到端的三维人体表面重建系统，让用户快速、准确获取人体重建结果。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.06 seconds)
