-
公开(公告)号：CN114743069B
公开(公告)日：2025-05-06
申请号：CN202210427447.1
申请日：2022-04-21
Applicant: 复旦大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明属于视频与场景理解技术领域，具体为一种对两帧图像进行密集匹配计算的方法。本发明方法包括采用一种新的置信度驱动的自适应匹配网络模型，从不置信的点中挖掘匹配信息。通过迭代评估置信度和匹配不置信点来实现自适应匹配。其中，采用三种策略来评估置信度，每一种都伴随有不同的置信度表示、不置信点选择和损失函数。这些策略自适应地从流预测结果中提出了不确定的点。本发明还将密集匹配与特征匹配方法相结合，以匹配不确定的点，并为流预测结果提供指导。本发明方法促进了不置信区域的成对点的匹配。最终的模型以较低的时间和参数成本实现了最先进的性能。
-
Patent Agency Ranking
公开(公告)号：CN112422870B
公开(公告)日：2021-09-17
申请号：CN202011263428.7
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字视频智能处理技术领域，具体为一种基于知识蒸馏的深度学习视频插帧方法。本发明使用参考答案网络和插帧网络，具体步骤包括：将相邻帧和目标帧一起作为输入，训练参考答案网络，首先出估计帧之间的光流，最后通过光流重构目标帧；训练插帧网络，用参考答案网络的光流作为辅助的监督数据，完成蒸馏学习；其中，参考答案模型和插帧模型都包含两个子模块：光流模块和目标帧合成模块；本发明的优势在于训练时不需要昂贵的带有光流标注的数据集，只需要用常见的连续视频数据。实验结果表明，采用本发明的训练方式，插帧模型的性能能够得到明显提升。
-
公开(公告)号：CN112422870A
公开(公告)日：2021-02-26
申请号：CN202011263428.7
申请日：2020-11-12
Applicant: 复旦大学
Abstract: 本发明属于数字视频智能处理技术领域，具体为一种基于知识蒸馏的深度学习视频插帧方法。本发明使用参考答案网络和插帧网络，具体步骤包括：将相邻帧和目标帧一起作为输入，训练参考答案网络，首先出估计帧之间的光流，最后通过光流重构目标帧；训练插帧网络，用参考答案网络的光流作为辅助的监督数据，完成蒸馏学习；其中，参考答案模型和插帧模型都包含两个子模块：光流模块和目标帧合成模块；本发明的优势在于训练时不需要昂贵的带有光流标注的数据集，只需要用常见的连续视频数据。实验结果表明，采用本发明的训练方式，插帧模型的性能能够得到明显提升。
-
公开(公告)号：CN114782248B
公开(公告)日：2025-03-18
申请号：CN202210380855.6
申请日：2022-04-10
Applicant: 复旦大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明属于图像编辑技术领域，具体为一种近红外图像指导的跨模态立体图像超分辨率重构方法。本发明包括：采用跨视角匹配模块提取立体图像不同模态的左右图间的视差，再根据视差将右视角的近红外图像对齐到左视角；图像超分辨率重构网络采用两个网络分支分别提取立体图像左右图的特征；采用跨模态特征迁移模块融合左右图特征；在重构立体图像左视角的可见光模态的图像时，利用该可见光模态的图像空间信息，结合对应右视角的近红外图像包含的丰富细节来辅助左图的超分过程，从而生成更多的图像中的高频细节纹理、恢复出更真实的高分辨率图像。实验结果表明，本发明可以有效提高可见光模态图像的分辨率、提升图像的主观视觉效果以及客观准确度。
-
公开(公告)号：CN114782248A
公开(公告)日：2022-07-22
申请号：CN202210380855.6
申请日：2022-04-10
Applicant: 复旦大学
Abstract: 本发明属于图像编辑技术领域，具体为一种近红外图像指导的跨模态立体图像超分辨率重构方法。本发明包括：采用跨视角匹配模块提取立体图像不同模态的左右图间的视差，再根据视差将右视角的近红外图像对齐到左视角；图像超分辨率重构网络采用两个网络分支分别提取立体图像左右图的特征；采用跨模态特征迁移模块融合左右图特征；在重构立体图像左视角的可见光模态的图像时，利用该可见光模态的图像空间信息，结合对应右视角的近红外图像包含的丰富细节来辅助左图的超分过程，从而生成更多的图像中的高频细节纹理、恢复出更真实的高分辨率图像。实验结果表明，本发明可以有效提高可见光模态图像的分辨率、提升图像的主观视觉效果以及客观准确度。
-
公开(公告)号：CN114743069A
公开(公告)日：2022-07-12
申请号：CN202210427447.1
申请日：2022-04-21
Applicant: 复旦大学
IPC: G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明属于视频与场景理解技术领域，具体为一种对两帧图像进行密集匹配计算的方法。本发明方法包括采用一种新的置信度驱动的自适应匹配网络模型，从不置信的点中挖掘匹配信息。通过迭代评估置信度和匹配不置信点来实现自适应匹配。其中，采用三种策略来评估置信度，每一种都伴随有不同的置信度表示、不置信点选择和损失函数。这些策略自适应地从流预测结果中提出了不确定的点。本发明还将密集匹配与特征匹配方法相结合，以匹配不确定的点，并为流预测结果提供指导。本发明方法促进了不置信区域的成对点的匹配。最终的模型以较低的时间和参数成本实现了最先进的性能。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
