-
公开(公告)号：CN114037944B
公开(公告)日：2024-11-29
申请号：CN202111413068.9
申请日：2021-11-25
Applicant: 浙江工商大学
IPC: G06V20/40 , G06V10/46 , G06V10/762
Abstract: 本发明涉及一种基于运动特征的动态点云显著性检测方法。本发明针对动态点云序列，提供了一种基于运动特征的运动显著性检测方法。通过在0‑1范围内的计算所得值反映每个点的显著性，越接近于1越显著。本发明主要包括以下步骤：时空聚类；逐帧运动特征的提取和运动显著性的计算。本发明通过提取运动特征计算多帧点云的运动显著性；使用场景流将簇在时间上一致对应起来，使簇可以作为时间上一致对应的单元对点云序列的运动变化情况进行追踪；运动衰减机制使所得运动显著性并不是静止不变的，更好地符合人眼对区域长时间关注后产生的疲惫视觉感知效果。
-
公开(公告)号：CN114025146B
公开(公告)日：2023-11-17
申请号：CN202111285773.5
申请日：2021-11-02
Applicant: 浙江工商大学
IPC: H04N13/161 , H04N19/597 , H04N19/91 , H04N19/51
Abstract: 本发明公开了一种基于场景流网络与时间熵模型的动态点云几何压缩方法。本发明主要针对动态点云几何压缩问题，利用场景流网络估计前一帧点云的运动向量，从而利用时间冗余，并将运动向量视为点云的属性，利用MPEG(动态图像专家组)中的属性压缩方式进行编码以利用空间冗余，之后引入时间熵模型网络以编码预测帧和当前帧在隐空间中的残差，实现动态点云的几何压缩。解决时序海量动态点云数据的优化压缩，为三维动态点云更加广泛的应用与推广提供技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN114092579B
公开(公告)日：2024-05-14
申请号：CN202111357338.9
申请日：2021-11-16
Applicant: 浙江工商大学
IPC: G06T9/00 , G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于隐式神经网络的点云压缩方法。本发明首先给定数据集中的某一类别形状，划分为训练集和测试集两个部分；对原始的数据集中的mesh模型进行预处理，得到SDF值；其次设计一个基于auto‑decoder并融合熵模型的整体网络框架，输入为观察信息和经过熵模型量化的隐变量，输出为查询点的SDF估计值；然后进行模型训练和推断，得到表示单个形状的隐变量，最后将隐变量压缩为二进制字符串，进一步增加压缩率，并将压缩后的字符串传输给解码端。本发明不需要通过复杂的3d卷积对3d形状进行处理，通过简单的MLP表示隐式网络，结构更加简单。
-
公开(公告)号：CN114092579A
公开(公告)日：2022-02-25
申请号：CN202111357338.9
申请日：2021-11-16
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于隐式神经网络的点云压缩方法。本发明首先给定数据集中的某一类别形状，划分为训练集和测试集两个部分；对原始的数据集中的mesh模型进行预处理，得到SDF值；其次设计一个基于auto‑decoder并融合熵模型的整体网络框架，输入为观察信息和经过熵模型量化的隐变量，输出为查询点的SDF估计值；然后进行模型训练和推断，得到表示单个形状的隐变量，最后将隐变量压缩为二进制字符串，进一步增加压缩率，并将压缩后的字符串传输给解码端。本发明不需要通过复杂的3d卷积对3d形状进行处理，通过简单的MLP表示隐式网络，结构更加简单。
-
公开(公告)号：CN115661275A
公开(公告)日：2023-01-31
申请号：CN202211286403.8
申请日：2022-10-20
Applicant: 浙江工商大学
IPC: G06T9/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于通道增益的可变速率稀疏点云压缩方法，首先获取数据集，并进行预处理。其次将训练集输入编码端，编码端有三层下采样模块，每层下采样模块由下采样、卷积网络MLPs和注意力模块组成，得到稀疏点云坐标信息和对应的特征信息，并对编码端输出的坐标信息和特征信息分开进行编码压缩。然后将通道增益单元对处理后的坐标信息和特征信息作为解码端的输入，解码端有三层上采样模块，上采样模块主要由子点卷积模块组成，得到重构的点云。最后对于原始点云和重构点云，使用标准的RD损失函数来训练整个网络模型。本发明能够很好地提升压缩效果，而且能够极大地减小计算量和网络参数量。
-
公开(公告)号：CN114037944A
公开(公告)日：2022-02-11
申请号：CN202111413068.9
申请日：2021-11-25
Applicant: 浙江工商大学
IPC: G06V20/40 , G06V10/46 , G06V10/762
Abstract: 本发明涉及一种基于运动特征的动态点云显著性检测方法。本发明针对动态点云序列，提供了一种基于运动特征的运动显著性检测方法。通过在0‑1范围内的计算所得值反映每个点的显著性，越接近于1越显著。本发明主要包括以下步骤：时空聚类；逐帧运动特征的提取和运动显著性的计算。本发明通过提取运动特征计算多帧点云的运动显著性；使用场景流将簇在时间上一致对应起来，使簇可以作为时间上一致对应的单元对点云序列的运动变化情况进行追踪；运动衰减机制使所得运动显著性并不是静止不变的，更好地符合人眼对区域长时间关注后产生的疲惫视觉感知效果。
-
公开(公告)号：CN114025146A
公开(公告)日：2022-02-08
申请号：CN202111285773.5
申请日：2021-11-02
Applicant: 浙江工商大学
IPC: H04N13/161 , H04N19/597 , H04N19/91 , H04N19/51
Abstract: 本发明公开了一种基于场景流网络与时间熵模型的动态点云几何压缩方法。本发明主要针对动态点云几何压缩问题，利用场景流网络估计前一帧点云的运动向量，从而利用时间冗余，并将运动向量视为点云的属性，利用MPEG(动态图像专家组)中的属性压缩方式进行编码以利用空间冗余，之后引入时间熵模型网络以编码预测帧和当前帧在隐空间中的残差，实现动态点云的几何压缩。解决时序海量动态点云数据的优化压缩，为三维动态点云更加广泛的应用与推广提供技术支撑。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
