-
公开(公告)号：CN113240613B
公开(公告)日：2022-08-30
申请号：CN202110629543.X
申请日：2021-06-07
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于边缘信息重建的图像修复方法，包括步骤：完成图像数据集选取和图像预处理，并进行数据划分；采用生成式对抗网络架构，包含一个生成器和一个鉴别器；生成器接收受损图像，生成修复图像；鉴别器对修复结果进行真伪判别；采用联合损失对模型训练进行约束，联合损失包含重建损失、感知损失、风格损失、对抗损失和中间特征损失；采用反向传播算法，迭代更新优化网络参数，直至模型损失趋于收敛；将待修复图像输入到训练所得修复模型中，模型输出即为修复结果。本方法通过边缘信息重建和受损纹理合成相互约束，弥补了现有算法对于图像纹理与结构关系建模不充分的缺陷，拓展了基于深度生成模型的图像修复思路。
-
公开(公告)号：CN119180316A
公开(公告)日：2024-12-24
申请号：CN202411213362.9
申请日：2024-08-30
Applicant: 北京航空航天大学 , 上海人工智能创新中心
IPC: G06N3/082
Abstract: 本申请提供了一种深度学习算子的搜索空间剪枝方法及装置，所述方法包括：基于目标训练集和预设的决策树算法构建对应的目标决策树，并基于预设的调度样本对目标决策树进行训练，得到训练后的目标决策树，基于训练后的目标决策树对预设的待调优调度进行性能预测，得到目标决策树的预测结果，基于目标决策树的预测结果遍历目标决策树中的所有目标决策子树，获取每个目标决策子树的剪枝规则，基于剪枝规则对待调优调度进行区分，确定符合剪枝规则的第一调度和不符合剪枝规则的第二调度，并对第一调度和第二调度进行硬件实测，分别得到对应的硬件实测结果。
-
公开(公告)号：CN118710792A
公开(公告)日：2024-09-27
申请号：CN202410808584.9
申请日：2024-06-21
Applicant: 北京航空航天大学
Abstract: 本发明涉及计算机视觉和计算机图形学技术领域，具体涉及一种基于视图依赖差异解耦的3D高斯溅射场景重建方法，包括以下步骤：确定场景数据集，所述场景数据集包括多个场景下的各场景的多个不同视角的图像；对场景数据集进行预处理；构建3D高斯重建模型，所述3D高斯重建模型包括3D高斯溅射模块、场景相关特征提取模块、颜色差异预测多层感知器和光栅化模块；对3D高斯重建模型进行训练，设置模型训练约束，迭代更新模型参数，迭代更新过程中进行局部高斯致密化和剪枝调整；将训练完成的3D高斯重建模型用于新视角图像渲染；本发明能够提高3D高斯场景重建的效果。
-
公开(公告)号：CN113240613A
公开(公告)日：2021-08-10
申请号：CN202110629543.X
申请日：2021-06-07
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于边缘信息重建的图像修复方法，包括步骤：完成图像数据集选取和图像预处理，并进行数据划分；采用生成式对抗网络架构，包含一个生成器和一个鉴别器；生成器接收受损图像，生成修复图像；鉴别器对修复结果进行真伪判别；采用联合损失对模型训练进行约束，联合损失包含重建损失、感知损失、风格损失、对抗损失和中间特征损失；采用反向传播算法，迭代更新优化网络参数，直至模型损失趋于收敛；将待修复图像输入到训练所得修复模型中，模型输出即为修复结果。本方法通过边缘信息重建和受损纹理合成相互约束，弥补了现有算法对于图像纹理与结构关系建模不充分的缺陷，拓展了基于深度生成模型的图像修复思路。
-
-
-
Search Results
4
records
(took 0.019 seconds)
