-
公开(公告)号:CN118037547A
公开(公告)日:2024-05-14
申请号:CN202310644401.X
申请日:2023-06-01
Applicant: 三星电子株式会社
IPC: G06T3/4046 , G06T3/4023 , G06T7/20
Abstract: 提供了一种超级采样方法和装置。该方法包括:接收包括当前帧的低分辨率三维(3D)图像,并接收当前帧之前的先前帧;通过重复采样当前帧的子像素区域来生成低分辨率部分图像;将已经从神经网络输出的先前帧的高分辨率图像变形到与当前帧相对应的当前视图;用来自低分辨率部分图像的图像数据替换先前帧的经变形的高分辨率图像的部分区域;以及通过将先前帧的其中部分区域已被替换的高分辨率图像应用于神经网络来生成当前帧的高分辨率图像。
-
公开(公告)号:CN117851630A
公开(公告)日:2024-04-09
申请号:CN202310465191.8
申请日:2023-04-26
Applicant: 三星电子株式会社
IPC: G06F16/583 , G06F16/587 , G06V20/64 , G06V10/82
Abstract: 一种设备,包括处理器,该处理器被配置为:针对多个查询输入中的每个查询输入,使用针对对应查询输入从多条因子数据中单独提取的因子来生成点信息,以及使用点的点信息来生成像素位置的像素信息,并且多个查询输入是3D空间中在自视点朝向二维(2D)场景的像素位置的观察方向上的点的查询输入。
-
公开(公告)号:CN106560818B
公开(公告)日:2022-03-04
申请号:CN201610829397.4
申请日:2016-09-18
Applicant: 三星电子株式会社
IPC: G06F30/28 , G06F119/14 , G06F113/08 , G06F111/10
Abstract: 一种在虚拟空间中对对象进行建模的方法。所述方法包括:定义形成对象的多个粒子中的每一个粒子的状态和状态转变概率;将所述多个粒子中的定义为第一状态的粒子的状态改变到第二状态;将运动模型应用到所述多个粒子中的定义为第二状态的粒子;基于状态转变概率,将定义为第二状态的粒子的状态改变到第一状态。
-
-
公开(公告)号:CN119484931A
公开(公告)日:2025-02-18
申请号:CN202410494183.0
申请日:2024-04-23
Applicant: 三星电子株式会社
IPC: H04N21/44 , H04N21/466
Abstract: 一种超采样方法包括:通过基于当前渲染图像帧的低分辨率像素的子像素对三维(3D)场景执行抖动采样来生成当前渲染图像帧;通过基于与当前渲染图像帧和先前渲染图像帧之间的差异相对应的运动矢量图对先前输出图像帧进行扭曲来生成当前扭曲图像帧;通过基于根据抖动采样的采样位置的变化对当前扭曲图像帧的像素进行移位来生成当前移位图像帧;以及基于当前渲染图像帧和当前移位图像帧来生成当前输出图像帧。
-
-
公开(公告)号:CN117593431A
公开(公告)日:2024-02-23
申请号:CN202310257738.5
申请日:2023-03-09
Applicant: 三星电子株式会社
IPC: G06T15/00 , G06N3/044 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 公开了一种用于表示渲染场景的方法和设备。一种训练神经网络模型的数据处理方法,包括:获得采样数据的空间信息;通过将采样数据的空间信息输入到神经网络模型来获得一个或多个体渲染参数;基于体渲染参数的分布获得正则化项;基于体渲染参数执行体渲染;以及训练神经网络模型以最小化损失函数,该损失函数是基于正则化项并且基于真实图像与根据体渲染估计的图像之间的差来确定的。
-
-
公开(公告)号:CN118071596A
公开(公告)日:2024-05-24
申请号:CN202310647022.6
申请日:2023-06-01
Applicant: 三星电子株式会社
IPC: G06T3/4053 , G06T3/4046
Abstract: 一种电子设备,包括存储器和处理器,存储器用于存储第一神经网络和包括提升块和多个残差块的第二神经网络,处理器用于基于第二神经网络来针对第一帧的输入小块图像从多个残差块之中选择残差块,并基于所选择的残差块和提升块,通过将第一帧的输入小块图像提升到具有目标分辨率的图像来生成第一帧的输出小块图像。
-
公开(公告)号:CN117853632A
公开(公告)日:2024-04-09
申请号:CN202310808415.0
申请日:2023-07-03
Applicant: 三星电子株式会社
Abstract: 提供了一种基于视图增强的用于神经渲染的方法和装置。一种训练神经场景表示(NSR)模型的方法包括:接收目标场景的原始训练图像,该原始训练图像分别对应于目标场景的基本视图;通过扭曲原始训练图像来生成目标场景的增强图像,该增强图像分别对应于目标场景的新视图;对原始训练图像和增强图像执行背景‑前景分割,以生成分割掩模;以及通过使用原始训练图像、增强图像和分割掩模来训练神经场景表示(NSR)模型以将其配置为用于目标场景的体积渲染。
-
-
-
-
-
-
-
-
-