-
公开(公告)号：CN119444961A
公开(公告)日：2025-02-14
申请号：CN202411455689.7
申请日：2024-10-17
Applicant: 中国科学院自动化研究所
Abstract: 公开了一种三维场景的纹理生成方法及装置、可读存储介质、计算机程序产品，所述方法包括：获取包含多个实例的三维场景的场景网格和提示文本；对场景网格进行实例分割，获取每个实例的三维定向包围盒；基于每个实例的三维定向包围盒，获取每个实例在预定数量的视角中每个视角的二维实例布局和二维方位提示图；针对预定数量的视角中任一视角，执行如下处理：将提示文本、当前视角的二维实例布局和二维方位提示图、以及已获取的目标图像输入到扩散模型，得到三维场景在当前视角的目标图像；基于所有目标图像，生成包含纹理信息的三维场景。
-
公开(公告)号：CN118521618A
公开(公告)日：2024-08-20
申请号：CN202410630555.8
申请日：2024-05-21
Applicant: 中国科学院自动化研究所
IPC: G06T7/33 , G06V10/762
Abstract: 本申请实施例提供一种非刚性点集配准方法、装置及存储介质，所述方法包括：获取目标初始状态的源点集；基于非刚性点集配准损失函数，将所述源点集作为聚类中心，将目标点集作为聚类样本，进行无监督聚类获取目标点集，所述目标点集用于表示非刚性变形后的目标的点集结果，所述非刚性点集配准损失函数是基于#imgabs0#低秩近似方法确定的。本申请实施例提供的非刚性点集配准方法、装置及存储介质，通过获取目标初始状态的源点集，并根据非刚性点集配准损失函数，将所述源点集作为聚类中心，将目标点集作为聚类样本，进行无监督聚类，可以获取用于表示非刚性变形后的目标点集，从而能够在在不影响优化轨迹的情况下，提高非刚性点集配准的准确率。
-
公开(公告)号：CN105719349A
公开(公告)日：2016-06-29
申请号：CN201610031891.6
申请日：2016-01-19
Applicant: 中国科学院自动化研究所
IPC: G06T17/30
CPC classification number: G06T17/30
Abstract: 本发明公开了一种基于最大化泊松圆盘采样的四面体网格化方法和系统；其中，该方法包括获取三维区域；对三维区域进行均匀地体素化，得到三维均匀网格；在三维区域的边界表面，进行最大化泊松圆盘采样，获得表面采样点集；然后根据表面采样点集，提取表面网格；使用松弛方法对表面网格进行边界保护，并在三维均匀网格上进行体采样，得到体采样点集；根据体采样点集，使用三维狄洛尼三角化方法或者三维正则三角化方法，提取四面体网格。通过本发明实施例，解决了如何快速生成四面体网格，且消除四面体网格中薄片的技术问题。
-
公开(公告)号：CN119722756A
公开(公告)日：2025-03-28
申请号：CN202411536288.4
申请日：2024-10-31
Applicant: 中国科学院自动化研究所
Abstract: 本公开提供了一种三维点云配准方法、装置及电子设备。该方法包括：从第一三维点云中提取至少一个第一平面；从第二三维点云中提取至少一个第二平面；获取第一平面的第一平面特征直方图和第二平面的第二平面特征直方图；根据第一平面特征直方图和第二平面特征直方图，对第一平面和第二平面进行匹配，得到满足预设条件的平面匹配对；根据平面匹配对，在四维平面空间中计算得到转换参数，转换参数表征与将第一平面和第二平面进行配准相关的参数；以及根据转换参数，对第一三维点云和第二三维点云进行配准。
-
公开(公告)号：CN112037315B
公开(公告)日：2025-03-28
申请号：CN202010899254.7
申请日：2020-08-31
Applicant: 中国科学院自动化研究所 , 腾讯科技(深圳)有限公司
IPC: G06F17/00
Abstract: 本申请公开了一种应用于人工智能领域的局部描述子生成方法，本申请包括获取待处理模型中每个局部顶点所对应的小波能量，得到M个小波能量；根据M个小波能量确定M个小波能量贡献值；根据M个小波能量贡献值确定M个能量特征向量；基于M个能量特征向量，通过图卷积神经网络获取待处理模型所对应的M个局部描述子。本申请还公开了一种模型生成的方法及装置，本申请可利用图卷积神经网络直接获取局部描述子，无需使用后处理的手段，很大程度上减少后处理的时间，提升生成局部描述子的效率。
-
Patent Agency Ranking
公开(公告)号：CN114863131A
公开(公告)日：2022-08-05
申请号：CN202210579586.6
申请日：2022-05-25
Applicant: 之江实验室 , 中国科学院自动化研究所
IPC: G06V10/44 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明涉及计算机视觉和人工智能领域，具体涉及一种基于三条带注意机制的特征图加权方法和装置，旨在提高深度学习网络特征提取的有效性。本发明提出了一种新的注意力加权机制，它通过加权操作增加特征图的表现力，关注重要特征而抑制非重要特征。首先，采取全局池化操作将原始特征图分离成列条带、行条带和通道条带；其次，对每个条带都采取压缩和扩张的一系列加权操作；然后，将所有的加权后的三个条带分别扩充到原始的特征图尺寸大小，并将这三个加权后的特征图进行相加，随后进行非线性处理。最后，将所得到的加权特征图和原特征图相乘，并将结果作为后续的输入。本发明提出的基于三条带注意机制的特征图加权方法提高了特征图的有效性。
-
公开(公告)号：CN110070096B
公开(公告)日：2021-01-12
申请号：CN201910282314.8
申请日：2019-05-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种针对非刚性形状匹配的局部频域描述子生成方法及装置，旨在为了解决不同空间分辨率、采样和各种变换影响下获取局部频域描述子鲁棒性差的问题。本发明方法包括：基于拉普拉斯－贝尔特拉米算子，对于表面三角网格模型中的每个顶点，在频域中提取三维形状局部点特征；基于所述局部特征点，获取所述三维形状的每个顶点对应的顶点频域图像，并通过三元神经网络得到用于非刚性形状匹配的局部频域描述子。本发明提取的局部点特征，对三维形状在各分辨率、三角剖分、尺度和旋转下都具有较好的鲁棒性，并基于此，通过本发明的三元神经网络可以准确的、鲁棒的获取用于非刚性形状匹配的局部频域描述子。
-
公开(公告)号：CN111914946A
公开(公告)日：2020-11-10
申请号：CN202010835090.1
申请日：2020-08-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。
-
公开(公告)号：CN109242855A
公开(公告)日：2019-01-18
申请号：CN201810794383.2
申请日：2018-07-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉领域，具体涉及一种基于多分辨率三维统计信息的屋顶分割方法、系统及设备，旨在提供一种快速、鲁棒的屋顶分割方法。本发明的屋顶分割方法包括：从多视角航拍图像获取高精度深度及稠密三维点云信息；根据三维点云信息提取不同分辨率的三维点云特征统计信息，利用全局能量优化对三维点云场景进行语义分类，得到建筑物的点云；将建筑物的点云作为初始先验，对多视角航拍图像进行精细建筑物分割；基于深度信息的建筑物过渡区域计算，从精细建筑物分割结果中去除建筑物侧面对精细屋顶分割的干扰，得到精细屋顶分割结果。本发明实现了快速、鲁棒、通用地进行屋顶分割，而且有效去除了建筑物侧面过渡区域的影响，提高了分割精细度。
-
公开(公告)号：CN105243688B
公开(公告)日：2018-03-30
申请号：CN201510680027.4
申请日：2015-10-19
Applicant: 中国科学院自动化研究所
IPC: G06T17/30
Abstract: 本发明实施例公开了一种基于重心Voronoi图的非钝角的重新网格化方法，该方法包括以下步骤：步骤S1、获取待处理网格的采样点集；步骤S2、对采样点集进行CVT优化；步骤S3、对CVT优化后得到的网格的度数进行优化；步骤S4、基于经过度数优化后得到的网格，进行特征敏感的CVT优化，并引入对偶惩罚项，惩罚较短的Voronoi边，以移除经过度数优化后得到的网格中的钝角三角形。本发明实施例通过避免坏三角形(＜30°或者＞90°)的产生，得到了高品质的重新网格化结果，非常适用于物理模拟以及几何建模等应用领域。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.062 seconds)
