公开(公告)号：CN114022621A

公开(公告)日：2022-02-08

申请号：CN202210012495.4

申请日：2022-01-07

Applicant: 清华大学

Inventor： 史作强 ,  林思有 ,  王斌

IPC: G06T17/00 ,  G06T17/20 ,  G06T19/20

Abstract: 本公开的实施例涉及用于无法向点云数据重建网格曲面的方法、设备和介质，所述方法包括：确定所述无法向点云数据的点云集合的光滑宽度；根据所确定的光滑宽度，针对所述点云集合获取基于高斯公式的第一矩阵；根据所获取的第一矩阵以及正则化参数，获取第二矩阵；求解基于所述第二矩阵的线性方程组，以便获取所述无法向点云数据的单位法向量与面积元大小的乘积的离散值；以及基于所获取的离散值，为所述无法向点云数据重建网格曲面。由此，方法能够在不借助于输入法向的情况下获取无法向点云数据的重建曲面。

公开(公告)号：CN118196259A

公开(公告)日：2024-06-14

申请号：CN202410297824.3

申请日：2024-03-15

Applicant: 清华大学

Inventor： 刘烨斌 ,  林思有 ,  李哲

IPC: G06T15/00 ,  G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本申请提出一种基于多层高斯点云的可换装人体表征方法及系统，所述方法包括：利用预先搭建的相机系统采集人体的多视角视频；获取视频中各帧的人体姿态特征图，并将各帧人体姿态特征图输入到单层高斯点云模型中，得到各帧对应的人体多通道图像，并确定各帧对应的第一人体高斯点云和第一衣服高斯点云；将各帧人体姿态特征图输入到预先训练好的多层高斯点云模型中，得到各帧人体姿态特征图对应的第二人体高斯点云、第二衣服高斯点云；更新第一人体高斯点云、第一衣服高斯点云；基于拉普拉斯坐标的形变方法将更新后的人体高斯点云和衣服高斯点云进行混合渲染，得到可驱动的换装渲染结果。本申请提出的技术方案，可生成真实感较高的驱动换装视频。

公开(公告)号：CN112883494B

公开(公告)日：2022-07-19

申请号：CN202110286477.0

申请日：2021-03-17

Applicant: 清华大学

Inventor： 刘烨斌 ,  林思有 ,  戴琼海

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06T17/00 ,  G06F111/04

Abstract: 本发明提出一种自行车三维模型重建方法和装置，其中，方法包括：根据预设的深度神经网络学习RGB图像对应的目标基础几何体，并根据目标基础几何体组成候选三维模型，其中，RGB图像中包含自行车图像区域；将候选三维模型投影到RGB图像中，确定候选三维模型与RGB图像对应的对齐点；根据对齐点确定候选三维模型的纹理特征，并根据纹理特征生成候选三维模型的纹理生成自行车三维模型。由此，可以实现结构化的，具有细粒度几何与纹理特征的自行车三维模型的构建。

公开(公告)号：CN118196285A

公开(公告)日：2024-06-14

申请号：CN202410297829.6

申请日：2024-03-15

Applicant: 清华大学

Inventor： 刘烨斌 ,  李哲 ,  林思有

IPC: G06T17/00 ,  G06T15/00 ,  G06N3/0464 ,  G06N3/09

Abstract: 本申请提出一种基于高斯点云的可驱动人体建模及渲染方法和系统，所述方法包括：利用预先标定好相机参数的多相机系统同步采集人体的多视角视频，并基于多视角视频确定多视角视频中各帧对应的参数化人体模型及姿态参数和标准空间的着装人体模板；根据姿态参数和着装人体模板确定各帧对应的标准空间中的人体姿态特征图像及其掩码图像；将各帧对应的人体姿态特征图像分别输入到预先建立的高斯点云预测模型中，得到各帧对应的高斯点云预测图像；基于所述掩码图像和高斯点云预测图像确定各帧对应的人体的高斯点云，并利用高斯喷溅渲染器将所述各帧对应的高斯点云渲染为具有真实感的图像。本申请提出的技术方案，渲染效率较高且可以生成更为真实、清晰的动态。

公开(公告)号：CN114022621B

公开(公告)日：2022-05-31

申请号：CN202210012495.4

申请日：2022-01-07

Applicant: 清华大学

Inventor： 史作强 ,  林思有 ,  王斌

IPC: G06T17/00 ,  G06T17/20 ,  G06T19/20

Abstract: 本公开的实施例涉及用于无法向点云数据重建网格曲面的方法、设备和介质，所述方法包括：确定所述无法向点云数据的点云集合的光滑宽度；根据所确定的光滑宽度，针对所述点云集合获取基于高斯公式的第一矩阵；根据所获取的第一矩阵以及正则化参数，获取第二矩阵；求解基于所述第二矩阵的线性方程组，以便获取所述无法向点云数据的单位法向量与面积元大小的乘积的离散值；以及基于所获取的离散值，为所述无法向点云数据重建网格曲面。由此，方法能够在不借助于输入法向的情况下获取无法向点云数据的重建曲面。

公开(公告)号：CN112883494A

公开(公告)日：2021-06-01

申请号：CN202110286477.0

申请日：2021-03-17

Applicant: 清华大学

Inventor： 刘烨斌 ,  林思有 ,  戴琼海

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06T17/00 ,  G06F111/04

Abstract: 本发明提出一种自行车三维模型重建方法和装置，其中，方法包括：根据预设的深度神经网络学习RGB图像对应的目标基础几何体，并根据目标基础几何体组成候选三维模型，其中，RGB图像中包含自行车图像区域；将候选三维模型投影到RGB图像中，确定候选三维模型与RGB图像对应的对齐点；根据对齐点确定候选三维模型的纹理特征，并根据纹理特征生成候选三维模型的纹理生成自行车三维模型。由此，可以实现结构化的，具有细粒度几何与纹理特征的自行车三维模型的构建。