一种结合k匿名的行人身份隐私保护方法

    公开(公告)号:CN114036553B

    公开(公告)日:2025-05-13

    申请号:CN202111261508.3

    申请日:2021-10-28

    Abstract: 本发明提出了一种结合k匿名的行人身份隐私保护方法。本发明通过交叉身份训练策略,生成更高质量的匿名图像;最后通过设计的k匿名隐私保护方法,保留行人图像数据隐私的同时也保留了数据的可用性;具体步骤:步骤1:代理数据集采集与图像预处理;步骤2:建立k匿名机制;步骤3:构建匿名行人生成对抗网络;步骤4:匿名行人生成目标函数;步骤5:采用公开数据集进行训练及测试,输出最终结果。本发明既保留了行人身份隐私又保留了属性。在匿名行人生成方面,一方面本方法结合了将属性以及目标背景融合到行人生成过程中,另一方面本方法提出交叉身份训练策略,提高了生成图像的质量。

    一种基于交叉注意力重分配的多实例可控图像生成方法

    公开(公告)号:CN118628611A

    公开(公告)日:2024-09-10

    申请号:CN202410772782.4

    申请日:2024-06-17

    Abstract: 本发明公开了一种基于交叉注意力重分配的多实例可控图像生成方法,首先构建ChatGPT代码提示链CoC。然后在ChatGPT中使用代码提示链,生成符合多实例文本提示生成任务中所需要的布局。然后在扩散模型每一个时间步中获得交叉注意力图,并基于布局信息,获得两个引导损失。最后使用损失引导修改当前时间步上的预测噪声,迭代优化的噪声图像最终通过解码器得到生成的多实例可控图像。本发明缓解实体缺失、属性互换、属性泄露、空间布局错误等问题的出现,在图像编辑、个性化生成和虚拟试衣等领域中实现更准确、高质量的图像生成和修改,为用户提供更符合个性化需求的服务。

    一种多网络联合辅助生成式知识蒸馏方法

    公开(公告)号:CN114549901A

    公开(公告)日:2022-05-27

    申请号:CN202210172188.2

    申请日:2022-02-24

    Abstract: 本发明公开了一种多网络联合辅助生成式知识蒸馏方法,首先进行图像分类数据集预处理;然后根据确定的图像分类数据集选择教师网络模型并训练;再根据确定的图像分类数据集选择困难样本生成器G1和学生网络,组成对抗知识蒸馏框架;建立生成对抗知识蒸馏的目标函数;对组建好的对抗知识蒸馏框架进行迭代训练;最后引入简单样本生成器G2,使用困难样本生成器G1和简单样本生成器G2交替调整学生网络,得最终结果。本发明额外引入了一个简单样本生成器,并且简单样本生成器直接复制训练好的困难样本生成器,并没有增加计算量,而且操作简单。在简单样本生成器帮助学生网络回顾简单样本的情况下,最终在目标任务上取得了更好的效果。

    基于生成对抗网络的人脸匿名隐私保护方法

    公开(公告)号:CN111242837A

    公开(公告)日:2020-06-05

    申请号:CN202010006768.5

    申请日:2020-01-03

    Abstract: 本发明提供一种基于生成对抗网络的人脸匿名隐私保护方法。本发明首先对人脸图像数据预处理;然后构建生成对抗网络结构;再建立人脸区域匿名的目标函数;然后建立场景内容区域保留的目标函数;随后进行人脸匿名与场景保留的目标函数的结合;最后采用公开数据集进行训练及测试,输出最终结果。本方法对图像中人脸区域进行合成脸的替换而达到人脸匿名的效果,相对以往的马赛克遮挡的方法更高效并且在视觉上更友好。本发明方法具有高效性与实用性,对人物图像的隐私保护更高效和美观。

    一种基于注意力机制的三维点云上采样方法

    公开(公告)号:CN114549757B

    公开(公告)日:2025-03-11

    申请号:CN202210172212.2

    申请日:2022-02-24

    Abstract: 本发明公开了一种基于注意力机制的三维点云上采样方法,包括以下步骤:步骤1:三维点云数据预处理;步骤2:构建基于注意力机制的三维点云上采样网络结构;步骤3:建立目标点云和输出点云之间的损失函数;步骤4:采用公开数据集进行训练及测试,输出最终结果。本方法提出了基于注意力机制的三维点云上采样网络,进一步加强了对局部特征和邻域关系的学习,并加入残差结构以优化信息传递过程,提高了三维点云上采样的准确率,降低了目标点云与上采样所得点云之间的损失。通过实验结果显然证实了所提出方法的高效性与实用性,本发明方法对三维点云上采样更高效和准确。

    一种基于时序增强扩散模型的视频虚拟试衣方法

    公开(公告)号:CN119398865A

    公开(公告)日:2025-02-07

    申请号:CN202411443269.7

    申请日:2024-10-16

    Abstract: 本发明公开了一种基于时序增强扩散模型的视频虚拟试衣方法,该方法首先基于时尚数据集,构建时尚视频序列、姿态序列、语义序列和深度序列数据组。其次通过使用形变网络将服装依据姿态序列和深度序列逐帧映射到对应形变空间,得到形变服装序列作为扩散网络的指导条件。然后以生成时尚试穿视频为目标,在标准稳定扩散模型的基础上构建时序增强网络以及人体特征注入模块,将形变服装序列与时尚视频序列合成得到虚拟试衣视频序列。最后分别使用扩散损失和感知损失,通过反向传播算法对时序增强网络和人物特征注入模块中的模型参数进行训练。本发明提高用户的使用体验,推动虚拟试穿技术在电商和时尚行业的应用和发展。

    一种基于语义感知神经辐射场的人物面部重演方法

    公开(公告)号:CN117333604A

    公开(公告)日:2024-01-02

    申请号:CN202311372550.1

    申请日:2023-10-23

    Abstract: 本发明公开了一种基于语义感知神经辐射场的人物面部重演方法,包括如下步骤:步骤(1)收集任务的数据,并对数据进行预处理,进而构建数据集;步骤(2)构建基于语义感知的神经辐射场网络模型,步骤(3)利用反向传播算法的基于语义感知的神经辐射场网络模型的参数进行训练,直至整个模型收敛,所述参数的训练是在最小化光度损失和语义损失下,利用预处理后的数据集训练;步骤(4)应用完成训练后的基于语义感知的神经辐射场网络模型生成对应的人脸图像。该方法将表情和姿态参数作为语义感知神经辐射场的输入,精准地控制人物重演图像的生成。经过在NeRFace数据集上的实验验证,取得了出色的定量和定性结果。

    基于深度圈视图的无监督3D物体识别与检索方法

    公开(公告)号:CN111209879B

    公开(公告)日:2023-09-19

    申请号:CN202010029065.4

    申请日:2020-01-12

    Abstract: 本发明公开了一种基于深度圈视图的无监督3D物体识别与检索方法。本发明包括如下步骤:步骤1、多圈数据采样;步骤2、训练基于圈数据的多视图深度网络模型;步骤3、相似性匹配与检索;利用训练好的多视图深度网络模型提取各圈视图的特征,并对所有圈视图进行相似性距离计算;通过采用最大池化、均值池化、注意力池化以及最优匹配的方式优化多视图深度网络模型;基于相似性距离,进行排序检索;步骤4、采取圈特征过滤和圈注意力策略滤除重要性低于指定阈值的圈特征,从而在保证识别精度的同时有效减少计算量。本发明提出了新的二维视图采集渲染方式并用其进行无监督训练,在不采用任何人工标注的情况下依然获得了可观的检索精度。

    一种关键点差分隐私驱动的人脸图像隐私保护方法

    公开(公告)号:CN114169002A

    公开(公告)日:2022-03-11

    申请号:CN202111485366.9

    申请日:2021-12-07

    Abstract: 本发明公开了一种关键点差分隐私驱动的人脸图像隐私保护方法,首先进行数据预处理,构建关键点标识匿名空间;然后构建匿名人脸生成对抗网络结构,确定匿名人脸生成对抗网络优化目标函数;获得改进后的应用于匿名人脸关键点标识的差分隐私算法;最后通过预处理后的数据集,对匿名人脸生成对抗网络进行训练,输出最终结果。本方法对图像中人脸的面部关键点结构进行修改实现人脸身份匿名,取得了更好的数据可用性和视觉效果,在生成图像质量上更高,能够保持原本的非身份属性,且不需要使用任何属性标签。

Patent Agency Ranking