-
公开(公告)号：CN114119803A
公开(公告)日：2022-03-01
申请号：CN202210097140.X
申请日：2022-01-27
Applicant: 浙江大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于因果图谱的场景图像生成方法，包括：获得风格一致的带有标框标注的真实场景图像数据集，基于标框标注构建因果子图，并基于因果子图的实体表示特征，通过线性变换和祖先采样得到具有因果关系的风格表示特征，基于原始全局掩码和通过实体、因果、像素询征与实体键征匹配得到放缩因子构建实体全局掩码，基于全局掩码和风格表示特征通过图像生成器得到生成场景图像，通过因果损失函数和合页损失函数训练因果子图和图像生成器得到最终全局因果子图和最终图像生成器，将绘制的标框标注布局依次输入最终全局因果子图和最终图像生成器得到具有因果关系的场景图像。利用该方法能够快速、高效地获得具有因果关系的复杂场景图像。
-
公开(公告)号：CN112597695B
公开(公告)日：2022-05-03
申请号：CN202011410140.8
申请日：2020-12-03
Applicant: 浙江大学
IPC: G06F30/27 , G06V10/762 , G06V10/764 , G06K9/62 , G06F111/06
Abstract: 本发明涉及一种基于感知特征聚类的计算机辅助设计方法及系统，属于设计图形处理的计算机技术领域。该方法包括：(1)接收当前设计方案的图像与主题标签，获取当前设计方案的多个感知维度的评价结果；(2)显示图像、感知维度的评价结果及筛选限制条件设置界面；(3)基于对筛选限制条件的设置，从数据库中筛选出与设计方案的主题标签同类的设计方案，作为待分类设计方案群组；(4)基于聚类算法对待分类设计方案群组进行聚类分析，获取经聚类分析之后的所有设计方案簇；(5)按照欧式距离在显示界面上，显示设计方案簇与当前设计方案。该辅助设计方案能有效地辅助设计师对当前设计方案进行优化，可广泛用于平面广告等的设计领域中。
-
公开(公告)号：CN113111906A
公开(公告)日：2021-07-13
申请号：CN202110209512.9
申请日：2021-02-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于单对图像训练的条件生成对抗网络模型，包括以下步骤：基于条件生成对抗网络模型架构构建图像翻译模型；选取一张训练图像，并对所述图像进行语义标注获得语义标注图；使用选取的训练图像和标注的语义图，训练图像翻译模型，得到一个基于单对图像训练的条件生成对抗网络模型。首先，本发明在训练图像翻译模型时，仅需要一对训练数据，解决了传统图像翻译模型对大数据的依赖问题，更加适用于实际应用场景，方便用户根据实际需求训练自己的个性化生成模型。其次，通过使用数据增强机制，使得训练好的模型具有更强的鲁棒性；此外，本发明的模型使用混合训练机制，有效解决了多尺度模型中的误差累积问题，提高了生成图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN113111906B
公开(公告)日：2022-07-12
申请号：CN202110209512.9
申请日：2021-02-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于单对图像训练的条件生成对抗网络模型，包括以下步骤：基于条件生成对抗网络模型架构构建图像翻译模型；选取一张训练图像，并对所述图像进行语义标注获得语义标注图；使用选取的训练图像和标注的语义图，训练图像翻译模型，得到一个基于单对图像训练的条件生成对抗网络模型。首先，本发明在训练图像翻译模型时，仅需要一对训练数据，解决了传统图像翻译模型对大数据的依赖问题，更加适用于实际应用场景，方便用户根据实际需求训练自己的个性化生成模型。其次，通过使用数据增强机制，使得训练好的模型具有更强的鲁棒性；此外，本发明的模型使用混合训练机制，有效解决了多尺度模型中的误差累积问题，提高了生成图像的质量。
-
公开(公告)号：CN114119803B
公开(公告)日：2022-05-10
申请号：CN202210097140.X
申请日：2022-01-27
Applicant: 浙江大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于因果图谱的场景图像生成方法，包括：获得风格一致的带有标框标注的真实场景图像数据集，基于标框标注构建因果子图，并基于因果子图的实体表示特征，通过线性变换和祖先采样得到具有因果关系的风格表示特征，基于原始全局掩码和通过实体、因果、像素询征与实体键征匹配得到放缩因子构建实体全局掩码，基于全局掩码和风格表示特征通过图像生成器得到生成场景图像，通过因果损失函数和合页损失函数训练因果子图和图像生成器得到最终全局因果子图和最终图像生成器，将绘制的标框标注布局依次输入最终全局因果子图和最终图像生成器得到具有因果关系的场景图像。利用该方法能够快速、高效地获得具有因果关系的复杂场景图像。
-
公开(公告)号：CN112967365A
公开(公告)日：2021-06-15
申请号：CN202110163213.6
申请日：2021-02-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户感知优化的深度图生成方法，包括以下步骤：输入一张平面或2D图像，利用神经网络算法生成粗略深度图，利用神经网络算法或人工标注出图像中物体的区域并生成分割图，所述物体的区域为分割块；计算图像的特征，结合图像的特征计算注意力分数；通过粗略深度图和注意力分数进行能量函数设计，得出优化深度图；对所述优化深度图进行迭代调整，解决分割块的边界深度差异的矛盾，并输出所得的深度图。本发明无需立体摄像机，够输入一张普通平面图片，生成一张效果更佳的深度图，实现立体的图像显示，降低了立体的图像出图的成本；采用基于用户感知优化的方法，解决了立体图生成方法中产出的深度图模糊、效果不佳的问题。
-
公开(公告)号：CN112597695A
公开(公告)日：2021-04-02
申请号：CN202011410140.8
申请日：2020-12-03
Applicant: 浙江大学
IPC: G06F30/27 , G06K9/62 , G06F111/06
Abstract: 本发明涉及一种基于感知特征聚类的计算机辅助设计方法及系统，属于设计图形处理的计算机技术领域。该方法包括：(1)接收当前设计方案的图像与主题标签，获取当前设计方案的多个感知维度的评价结果；(2)显示图像、感知维度的评价结果及筛选限制条件设置界面；(3)基于对筛选限制条件的设置，从数据库中筛选出与设计方案的主题标签同类的设计方案，作为待分类设计方案群组；(4)基于聚类算法对待分类设计方案群组进行聚类分析，获取经聚类分析之后的所有设计方案簇；(5)按照欧式距离在显示界面上，显示设计方案簇与当前设计方案。该辅助设计方案能有效地辅助设计师对当前设计方案进行优化，可广泛用于平面广告等的设计领域中。
-
公开(公告)号：CN112967365B
公开(公告)日：2022-03-15
申请号：CN202110163213.6
申请日：2021-02-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于用户感知优化的深度图生成方法，包括以下步骤：输入一张平面或2D图像，利用神经网络算法生成粗略深度图，利用神经网络算法或人工标注出图像中物体的区域并生成分割图，所述物体的区域为分割块；计算图像的特征，结合图像的特征计算注意力分数；通过粗略深度图和注意力分数进行能量函数设计，得出优化深度图；对所述优化深度图进行迭代调整，解决分割块的边界深度差异的矛盾，并输出所得的深度图。本发明无需立体摄像机，够输入一张普通平面图片，生成一张效果更佳的深度图，实现立体的图像显示，降低了立体的图像出图的成本；采用基于用户感知优化的方法，解决了立体图生成方法中产出的深度图模糊、效果不佳的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
