公开(公告)号：CN118364716A

公开(公告)日：2024-07-19

申请号：CN202410530293.8

申请日：2024-04-29

Applicant: 北京工业大学

Inventor： 李天行 ,  李梓卉 ,  朱青 ,  石睿 ,  朱婉婷

IPC: G06F30/27 ,  G06F30/10 ,  G06T17/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F113/12

Abstract: 本发明公开一种融合贴合度属性的三维服装变形预测方法及装置，能够实现各种服装网格在任意姿势下的着装效果，并能直接产生具有精细细节和逼真效果的复杂服装动画，在泛化性能和变形质量方面优于现有的服装动画方法，兼顾变形效果及效率，具有显著应用价值。方法包括：(1)创建一个数据集，该数据集由服装、身体体型和动画姿势组成，用于训练和测试；(2)通过观察影响变形质量的参数，生成适合参数作为网络输入之一，以针对服装的不同适合度产生真实的变形；(3)通过将每个顶点的输出向量分解为幅度和方向来进行输出重建；(4)粗变形预测；(5)细尺度褶皱的详细变形。

公开(公告)号：CN120032045A

公开(公告)日：2025-05-23

申请号：CN202411927349.X

申请日：2024-12-25

Applicant: 北京工业大学

Inventor： 朱青 ,  陈俊嘉 ,  李天行

IPC: G06T17/00 ,  G06T19/20 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06N3/0455 ,  G06N7/01 ,  G16H30/40

Abstract: 本发明公开一种医学图像序列的三维重建方法及装置，能够在确保高精度下提升重建质量与效率，为医学成像精确解剖建模提供可靠方案，处理复杂结构优势显著，能够生成更优三维网格模型。方法包括：(1)读取CT扫描的原始医学图像序列，进行数据预处理操作；(2)利用图卷积网络从CT图像体积中提取特征，并生成对应网格顶点的坐标偏移值，图卷积网络通过邻域拓扑关系来学习每个顶点的空间位置调整参数，从而建立局部拓扑结构；(3)对CT图像生成的初始网格顶点进行密度优化；(4)对优化后的网格进行拓扑结构的调整；(5)定义并计算损失函数以优化重建模型的精度。

公开(公告)号：CN119991927A

公开(公告)日：2025-05-13

申请号：CN202411800294.6

申请日：2024-12-09

Applicant: 北京工业大学

Inventor： 李天行 ,  刘晓瑜 ,  朱青

IPC: G06T17/00 ,  G06N3/0455

Abstract: 本发明公开一种几何信息感知的三维服装重建方法及装置，其能够实现服装在任意姿势下的重建效果，并能直接产生具有精细细节的服装网格，在泛化性能和重建质量方面优于现有的服装重建方法，兼顾重建效果及效率，具有显著应用价值。方法包括：(1)创建一个数据集；(2)通过探究影响服装重建质量的蒙皮权重，生成相应权重作为模块输入之一，以针对服装的不同动作产生相应的高质量褶皱变形；(3)通过对服装网格顶点按照动态计算规则进行计算，增加随机扰动，生成相应的顶点偏移量；(4)自编码器引导下的粗糙服装重建；(5)基于自适应顶点偏移调节器的精细化服装重建。

公开(公告)号：CN120031926A

公开(公告)日：2025-05-23

申请号：CN202411873037.5

申请日：2024-12-18

Applicant: 北京工业大学

Inventor： 朱青 ,  张耀心 ,  李天行

IPC: G06T7/33 ,  G06T7/00 ,  G06T3/18 ,  G06N3/088

Abstract: 本发明公开一种无监督医学图像配准方法及系统，能够确定一对输入图像在空间上的解剖学对应关系，兼顾配准的效果和效率，便于在医学配准任务中进行部署实施，具有较好的应用前景。方法包括：(1)接受一对医学图像作为输入，其中，所述的医学图像包括固定图像与浮动图像；(2)逐层通过编码器对图像进行下采样和特征提取；(3)在最低尺度下，应用迭代结构和解码器生成并优化变形场；(4)通过解码器进行变形场的应用与上采样，最终输出变形场结果；(5)通过空间变换网络，利用变形场对浮动图像进行变形，输出最终变形后的图片。

公开(公告)号：CN118940596A

公开(公告)日：2024-11-12

申请号：CN202410957177.4

申请日：2024-07-17

Applicant: 北京工业大学

Inventor： 李天行 ,  王海琪 ,  朱青 ,  石睿

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06F113/12

Abstract: 本文提供了一种基于物理感知深度学习的布料仿真方法及装置，方法包括：获取蒙皮的3D人物模型的运动动作参数；将运动动作参数通过解耦描述符转换成静态描述符和动态描述符；通过编码器分别对静态描述符和动态描述符进行编码处理，得到静态潜在变量和动态潜在变量，并进行相加，等到编码后的特征向量；通过解码器对特征向量进行解码处理，得到3D人物模型的局部布料的变形状态；通过基于物理仿真的损失函数对网络模型进行训练，使得网络学习满足布料和人体的物理约束，并输出布料状态的预测结果。本文旨在利用基于物理仿真的损失函数，使网络学习满足布料和人体的物理约束，实现对布料动态的准确预测。

公开(公告)号：CN117392291A

公开(公告)日：2024-01-12

申请号：CN202311234215.5

申请日：2023-09-24

Applicant: 北京工业大学

Inventor： 石睿 ,  李梓卉 ,  张利国 ,  李天行 ,  邓恒 ,  詹璟原

IPC: G06T13/40 ,  G06T17/20 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0985

Abstract: 本发明公开了基于稠密图注意力网络的人体非线性变形方法，该方法包含基于注意力机制的图注意力模块和注意力层多级跳连模块两个嵌套子模块。其中，基于注意力机制的图注意力模块由聚合流和自增强流组成，以聚合相邻节点的特征并增强单个图节点的特征。注意力层多级跳连模块是在一组图注意力模块之间引入了一种多级跳连连接模式，能够减少学习大量网格特征的复杂度，确保在深度框架中特征的传播稳定性。当输入一个基于线性变形图的顶点的网格和骨骼属性时，稠密图注意力网络可以端到端地将其映射到每个网格顶点的修正位移，以实现更复杂的非线性效果。本方法能够加快项目的进展并提高生产效率，减少了创作者为新角色人体装配的时间与精力。