-
公开(公告)号：CN119203285A
公开(公告)日：2024-12-27
申请号：CN202411353436.9
申请日：2024-09-26
Applicant: 之江实验室
IPC: G06F30/12 , G06F30/27 , G06Q10/04 , G06F18/24 , G06N3/08 , G06F111/08 , G06F111/04
Abstract: 本说明书公开了一种CAD模型生成方法、装置、存储介质及电子设备。在本说明书提供的CAD模型生成方法中，获取计算机辅助设计CAD命令序列，作为样本CAD序列；将所述样本CAD序列输入待训练的扩散模型，所述扩散模型包含正向扩散子网和逆向扩散子网；通过所述正向扩散子网将所述样本CAD序列转换为样本嵌入向量，并对所述样本嵌入向量添加噪声，得到样本扩散向量；通过所述逆向扩散子网对所述样本扩散向量进行降噪处理，得到待优化预测向量，并根据所述待优化预测向量确定待优化预测序列；根据所述待优化预测向量与所述样本嵌入向量之间的差异对所述扩散模型进行训练；将训练后的扩散模型包含的逆向扩散子网作为目标模型，并采用所述目标模型生成CAD模型。
-
公开(公告)号：CN116091895B
公开(公告)日：2023-07-11
申请号：CN202310361997.2
申请日：2023-04-04
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本说明书公开了一种面向多任务知识融合的模型训练方法及装置。首先，获取图像数据。其次，根据待训练的目标识别模型中的特征块数量，对预先训练的各识别模型进行恒等变换，得到各等量特征块识别模型。然后，针对目标识别模型中包含的每个特征块，从各等量特征块识别模型中确定出与该特征块相对应的特征块，作为目标特征块，将各目标特征块输出的图像特征进行拼接，得到该特征块对应的拼接后图像特征，并将该特征块输出的图像特征与该特征块对应的拼接后图像特征之间的偏差，作为该特征块对应的偏差。最后，以最小化各特征块对应的偏差为优化目标，对目标识别模型进行训练。本方法可以使得目标识别模型能够同时解决预先训练的各识别模型的任务。
-
公开(公告)号：CN119274017A
公开(公告)日：2025-01-07
申请号：CN202411327541.5
申请日：2024-09-23
Applicant: 之江实验室
IPC: G06V10/774 , G06V10/44 , G06V20/64 , G06F30/27 , G06F30/23 , G06T17/20 , G16C60/00 , G06F111/04 , G06F113/26 , G06F119/08 , G06F119/14
Abstract: 本说明书提供的一种模型训练方法、业务执行方法、装置以及存储介质，可以获取目标物体的初始图，将初始图以及预设的外部控制信息输入到待训练的目标模型中，以使目标模型根据初始图，预测出目标物体在外部控制信息对应的外部控制下各节点处对应的更新后属性信息，以根据更新后属性信息，对初始图进行更新，得到更新后图，根据更新后图中各节点对应的更新后属性信息与目标物体对应的标签图中各节点对应的标签属性信息之间的偏差，确定损失值，并根据损失值，对目标模型进行训练。
-
公开(公告)号：CN117743599A
公开(公告)日：2024-03-22
申请号：CN202311814908.1
申请日：2023-12-26
Applicant: 之江实验室
IPC: G06F16/36 , G06F16/332 , G06F40/30 , G06N5/022
Abstract: 本说明书公开了一种模型检测方法、装置、介质以及电子设备，包括：获取目标模型的待检测语句，基于预设的知识图谱，确定待检测语句中包含的至少部分实体词所对应的实体关系，并生成用于描述实体关系的补充语句，针对待检测语句对应的每种异常类别，确定该种异常类别对应的提问语句。将每种异常类别对应的提问语句、待检测语句以及补充语句输入到预设的判决模型中，以针对每种异常类别，得到目标模型是否具有该异常类别的问题的判决结果和判据文本。确定待检测语句对应的综合提问语句，将综合提问语句、待检测语句、补充语句、每种异常类别对应的判决结果和判据文本输入到判决模型中，得到最终判决结果，根据最终判决结果，检测目标模型。
-
公开(公告)号：CN117409466A
公开(公告)日：2024-01-16
申请号：CN202311458408.9
申请日：2023-11-02
Applicant: 之江实验室
IPC: G06V40/16 , G06V10/774 , G06V10/74 , G06V10/75
Abstract: 在本说明书提供的一种基于多标签控制的三维动态表情生成方法及装置中，根据响应于生成请求确定的表情类别信息和表情强度信息，得到嵌入向量，以及将已生成的表情帧作为位移序列，用于得到预测向量。根据得到的嵌入向量和预测向量，通过特征转换模型的特征转换层，确定第一特征向量，以及将第一特征向量输入表情生成模型，生成当前表情帧。继续生成下一表情帧，直到生成的表情帧数量满足预设的帧数为止，进而根据生成的各表情帧，生成动态表情。从上述方法可以看出，通过参考表情类别信息、表情强度信息和位移序列，并利用特征转换模型和表情生成模型，逐一生成各表情帧，使得生成的各表情帧之间的衔接更自然，提高了动态表情生成的可控性。
-
Patent Agency Ranking
公开(公告)号：CN116205290B
公开(公告)日：2023-09-15
申请号：CN202310499470.6
申请日：2023-05-06
Applicant: 之江实验室
IPC: G06N3/096 , G06N3/0464 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/74
Abstract: 一种基于中间特征知识融合的知识蒸馏方法和装置，将图像数据喂入教师模型和学生模型，并提取教师模型和学生模型的各阶段中间特征；构建阶段级残差连接，将学生模型某一阶段中间特征与上一阶段特征实现特征知识融合；将教师模型与融合后的学生模型分别经过全局平均池化，构建出语义类别特征向量，对该特征向量计算交叉熵损失，以最大化特征相似性；将学生模型预测输出与类别标签的分类损失与特征向量相似性损失加权求和，训练学生模型。还包括一种基于中间特征知识融合的知识蒸馏系统。本发明相较于现有技术，本发明充分融合教师模型的中间特征知识，知识蒸馏性能更优。
-
公开(公告)号：CN116612244B
公开(公告)日：2023-09-29
申请号：CN202310900363.X
申请日：2023-07-21
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像生成方法、装置、存储介质及电子设备，可以通过神经网络模型来生成用户指定的目标物的姿态下目标物的形体结构，以及目标物处于用户指定的姿态时的各表面点的反射率信息，进而可以根据确定出的目标物的形体结构，以及目标物的各表面点的反射率信息，以及用户指定的环境光源，生成处于指定姿态的目标物在指定环境光源的照射下的重光照图像，进而可以避免使用硬件设备按照用户所需的指定环境光源搭建相应的环境所需的成本。
-
公开(公告)号：CN117409466B
公开(公告)日：2024-06-14
申请号：CN202311458408.9
申请日：2023-11-02
Applicant: 之江实验室
IPC: G06V40/16 , G06V10/774 , G06V10/74 , G06V10/75
Abstract: 在本说明书提供的一种基于多标签控制的三维动态表情生成方法及装置中，根据响应于生成请求确定的表情类别信息和表情强度信息，得到嵌入向量，以及将已生成的表情帧作为位移序列，用于得到预测向量。根据得到的嵌入向量和预测向量，通过特征转换模型的特征转换层，确定第一特征向量，以及将第一特征向量输入表情生成模型，生成当前表情帧。继续生成下一表情帧，直到生成的表情帧数量满足预设的帧数为止，进而根据生成的各表情帧，生成动态表情。从上述方法可以看出，通过参考表情类别信息、表情强度信息和位移序列，并利用特征转换模型和表情生成模型，逐一生成各表情帧，使得生成的各表情帧之间的衔接更自然，提高了动态表情生成的可控性。
-
公开(公告)号：CN116612244A
公开(公告)日：2023-08-18
申请号：CN202310900363.X
申请日：2023-07-21
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像生成方法、装置、存储介质及电子设备，可以通过神经网络模型来生成用户指定的目标物的姿态下目标物的形体结构，以及目标物处于用户指定的姿态时的各表面点的反射率信息，进而可以根据确定出的目标物的形体结构，以及目标物的各表面点的反射率信息，以及用户指定的环境光源，生成处于指定姿态的目标物在指定环境光源的照射下的重光照图像，进而可以避免使用硬件设备按照用户所需的指定环境光源搭建相应的环境所需的成本。
-
公开(公告)号：CN116091895A
公开(公告)日：2023-05-09
申请号：CN202310361997.2
申请日：2023-04-04
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本说明书公开了一种面向多任务知识融合的模型训练方法及装置。首先，获取图像数据。其次，根据待训练的目标识别模型中的特征块数量，对预先训练的各识别模型进行恒等变换，得到各等量特征块识别模型。然后，针对目标识别模型中包含的每个特征块，从各等量特征块识别模型中确定出与该特征块相对应的特征块，作为目标特征块，将各目标特征块输出的图像特征进行拼接，得到该特征块对应的拼接后图像特征，并将该特征块输出的图像特征与该特征块对应的拼接后图像特征之间的偏差，作为该特征块对应的偏差。最后，以最小化各特征块对应的偏差为优化目标，对目标识别模型进行训练。本方法可以使得目标识别模型能够同时解决预先训练的各识别模型的任务。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
