一种基于神经网络的高动态图像重建方法

    公开(公告)号:CN111986106B

    公开(公告)日:2023-10-13

    申请号:CN202010749859.8

    申请日:2020-07-30

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下:(1)将多个LDR域的图像按照亮度高低排列,并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络,利用HDR域特征来计算对齐所需的偏移量,用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络,得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差,重建高主观质量的无伪影的HDR图像。

    一种基于深度学习预测用户视场的方法

    公开(公告)号:CN108492322B

    公开(公告)日:2022-04-22

    申请号:CN201810300362.0

    申请日:2018-04-04

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习预测用户视场的方法。步骤为:(1)将全景视频从球面映射到球内接立方体的6个面上,得到6个面对应的视频,分别生成视频的动态特征和显著度序列图,并进行分块和编号;(2)根据动态特征判断视频内容视点切换剧烈程度w;(3)用头盔记录用户的头部转向并对其进行处理;(4)通过w值的大小选择预测网络,用网络预测得到用户后n帧视频帧的视场,处理可得到与视场重合的视频块编号;(5)渲染和传输预测得到的视频块,重复步骤直到预测的为最后n帧。本发明的方法减小了全景图畸变对于输入的视频特征的影响,同时加入了视频信息的预判分级,能以较高的准确度预测用户在VR HMD中观看视频时的视场。

    一种基于神经网络的高动态图像重建方法

    公开(公告)号:CN111986106A

    公开(公告)日:2020-11-24

    申请号:CN202010749859.8

    申请日:2020-07-30

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于神经网络的高动态图像重建方法。该方法的具体步骤如下:(1)将多个LDR域的图像按照亮度高低排列,并选取参考图像。(2)利用伽玛变换转换LDR域的图像得到HDR域的图像。(2)将HDR域和LDR域的图像输入到特征提取网络中提取不同尺度的HDR域和LDR域的图像特征。(3)将HDR域和LDR域的图像特征输入到金字塔对齐网络,利用HDR域特征来计算对齐所需的偏移量,用所得偏移对齐HDR域和LDR域的图像特征。(4)对齐后的HDR域和LDR域图像特征经过融合网络,得到重建的HDR图像。利用本方法可以较好地处理输入图像组中的物体运动和视差,重建高主观质量的无伪影的HDR图像。

    一种基于深度学习预测用户视场的方法

    公开(公告)号:CN108492322A

    公开(公告)日:2018-09-04

    申请号:CN201810300362.0

    申请日:2018-04-04

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习预测用户视场的方法。步骤为:(1)将全景视频从球面映射到球内接立方体的6个面上,得到6个面对应的视频,分别生成视频的动态特征和显著度序列图,并进行分块和编号;(2)根据动态特征判断视频内容视点切换剧烈程度w;(3)用头盔记录用户的头部转向并对其进行处理;(4)通过w值的大小选择预测网络,用网络预测得到用户后n帧视频帧的视场,处理可得到与视场重合的视频块编号;(5)渲染和传输预测得到的视频块,重复步骤直到预测的为最后n帧。本发明的方法减小了全景图畸变对于输入的视频特征的影响,同时加入了视频信息的预判分级,能以较高的准确度预测用户在VR HMD中观看视频时的视场。

Patent Agency Ranking