-
公开(公告)号：CN116485962B
公开(公告)日：2025-04-08
申请号：CN202310502954.1
申请日：2023-05-06
Applicant: 北京信息科技大学
IPC: G06T13/40 , G06V10/75 , G06N3/0442 , G06N3/088
Abstract: 本发明公开了一种基于对比学习的动画生成方法及系统，涉及人体动画生成技术领域，包括：对比学习利用具有强特征语义的元动画，编码了跨模式语义、信息性几何特征和姿势中的运动原理；通过带有时空表征的VAE对潜在空间进行参数化，在没有监督的情况下生成连贯性动画的转换。本发明通过相邻帧的上下文相关线索将网状动画与连续的语义标签相匹配，通过强几何先验，指导语义和网格动画之间的对齐。通过一个语义指导的编码器提取特征，提高动画的类内紧凑性和类间可分离性。通过学习隐空间分布以同时表示动画中的空间和时间线索，在时空语义控制下产生具有高度灵活性的现实动画。
-
Patent Agency Ranking
公开(公告)号：CN115170704B
公开(公告)日：2024-04-02
申请号：CN202210788594.1
申请日：2022-07-06
Applicant: 北京信息科技大学
IPC: G06T13/40
Abstract: 本发明公开了一种三维场景动画自动生成方法、系统，应用于知识图谱、图像处理技术领域，包括：获取输入图像的上下文信息，分解编码为分层图结构，输入至由卷积神经网络构成的语义解析组件得到特征节点，构建DKG，输入至动作识别卷积网络和人‑物交互检测网络进行训练至收敛，分解为语义流和动画流，得到具有交互关系的语义对象的时间变化规律，将其与输入图像输入至包含联系约束的条件变分自编码网络进行编码和解码训练，生成变形和运动学的动画。本发明通过求取基于DKG的具有交互关系的语义对象的时间变化规律以及构建包含联系约束的条件变分自编码网络，实现了图像中交互关系的准确预测以及生成变形和动画的语义及物理合理。
-
公开(公告)号：CN116485962A
公开(公告)日：2023-07-25
申请号：CN202310502954.1
申请日：2023-05-06
Applicant: 北京信息科技大学
IPC: G06T13/40 , G06V10/75 , G06N3/0442 , G06N3/088
Abstract: 本发明公开了一种基于对比学习的动画生成方法及系统，涉及人体动画生成技术领域，包括：对比学习利用具有强特征语义的元动画，编码了跨模式语义、信息性几何特征和姿势中的运动原理；通过带有时空表征的VAE对潜在空间进行参数化，在没有监督的情况下生成连贯性动画的转换。本发明通过相邻帧的上下文相关线索将网状动画与连续的语义标签相匹配，通过强几何先验，指导语义和网格动画之间的对齐。通过一个语义指导的编码器提取特征，提高动画的类内紧凑性和类间可分离性。通过学习隐空间分布以同时表示动画中的空间和时间线索，在时空语义控制下产生具有高度灵活性的现实动画。
-
公开(公告)号：CN115170704A
公开(公告)日：2022-10-11
申请号：CN202210788594.1
申请日：2022-07-06
Applicant: 北京信息科技大学
IPC: G06T13/40
Abstract: 本发明公开了一种三维场景动画自动生成方法、系统，应用于知识图谱、图像处理技术领域，包括：获取输入图像的上下文信息，分解编码为分层图结构，输入至由卷积神经网络构成的语义解析组件得到特征节点，构建DKG，输入至动作识别卷积网络和人‑物交互检测网络进行训练至收敛，分解为语义流和动画流，得到具有交互关系的语义对象的时间变化规律，将其与输入图像输入至包含联系约束的条件变分自编码网络进行编码和解码训练，生成变形和运动学的动画。本发明通过求取基于DKG的具有交互关系的语义对象的时间变化规律以及构建包含联系约束的条件变分自编码网络，实现了图像中交互关系的准确预测以及生成变形和动画的语义及物理合理。
-
公开(公告)号：CN114972874A
公开(公告)日：2022-08-30
申请号：CN202210635201.3
申请日：2022-06-07
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种复杂动作序列的三维人体分类与生成方法、系统，应用于虚拟现实领域，包括：获取并对复杂动作视频进行预处理，构建数据集；对数据集进行关键点识别，得到人体关键点以及动作序列姿态信息，作为训练集；构建基于三维几何的复杂动作序列分类编码模型，并将其输入和输出合并为一个序列进行编码与解码训练，构建基于三维几何的复杂动作序列生成模型；将测试集输入模型，得到多种测试集动作类别的动作序列。本发明通过将标准三维几何序列编码为含有时间信息的几何参数，不仅增强了网络对不同动作类别在隐空间分布的学习，还实现了在复杂动作情况下，能够准确识别动作类型，生成合理的动作序列，提高了识别的准确率和动作的多样性。
-
公开(公告)号：CN114022823A
公开(公告)日：2022-02-08
申请号：CN202111354994.3
申请日：2021-11-16
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种遮挡驱动的行人再识别方法、系统及可存储介质，涉及图像处理技术领域，包括：构建全景数据集并将其进行数据增强后得到训练集；将训练集输入遮挡分类模型中进行训练，直至模型收敛，得到训练完成的遮挡分类模型；基于遮挡程度的不同，将训练集输入重识别模型中对应不同遮挡程度的子模型中进行训练，直至各个子模型的识别准确率达到预设值，得到训练完成的重识别模型；通过训练完成的遮挡分类模型和重识别模型，判断待检测图片的遮挡程度并获得行人特征识别结果。本发明在不同遮挡场景及图片模糊、质量差的情况下，依然能准确识别行人的特征，提高了识别的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
