-
公开(公告)号：CN102625126B
公开(公告)日：2014-10-15
申请号：CN201210078435.9
申请日：2012-03-22
Applicant: 北京工业大学
IPC: H04N13/00 , H04N19/597
Abstract: 一种基于预测的三维网格编码方法，其在预测法向量纹理图像时，充分考虑了几何图像和法向量纹理图像之间以及法向量纹理图像三个分量之间的相关性，所预测的法向量图像的质量更高，从而使得预测残差更小，更便于编码传输，并且使得解码后的法向量纹理图像的质量得到了极大的提高，重构的三维网格模型的真实感效果提升，使用户得到更好的视觉体验。
-
-
公开(公告)号：CN113066114B
公开(公告)日：2025-03-11
申请号：CN202110305033.7
申请日：2021-03-10
Applicant: 北京工业大学
Abstract: 一种基于Retinex模型的卡通风格迁移方法属于计算机视觉领域。将真实世界的照片转换成卡通风格的图像是一项有意义且具有挑战性的任务。现有方法由于没有分别考虑卡通图像和现实照片在结构、纹理和光照方面的一致性和连续性，不能得到令人满意的卡通化结果。本发明中Retinex模型联合学习照片和卡通图像的内在属性(形状和纹理)和外在属性(光照)。RexGAN框架包括通过反射损失来学习从照片图像到卡通图像的映射的ReflectGAN以及通过光照损失来进一步促进生成图像的结构和光照的LuminGAN。本发明不仅能够从真实照片中生成高质量的卡通图像，而且具有清晰的边缘和结构以及正确的照明，且在主观效果上优于目前最先进的方法。
-
公开(公告)号：CN112801027B
公开(公告)日：2024-07-12
申请号：CN202110182127.X
申请日：2021-02-09
Applicant: 北京工业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了基于事件相机的车辆目标检测方法，基于事件相机，利用深度学习技术研究了一种极端场景下的车辆目标检测方法。事件相机可以异步生成帧和事件数据，对克服运动模糊和极端光照条件有很大帮助。首先将事件转为事件图像，然后将帧图像和事件图像同时送入融合卷积神经网络，增加对事件图像进行特征提取的卷积层；同时在网络的中间层通过融合模块将二者的特征进行融合；最后重新设计损失函数提高了车辆目标检测的有效性。本发明的方法可以弥补在极端场景下仅使用帧图像进行目标检测的不足，在使用帧图像的基础上在融合卷积神经网络中融合事件图像，增强了在极端场景中车辆目标检测的效果。
-
公开(公告)号：CN111460741B
公开(公告)日：2024-07-02
申请号：CN202010241300.4
申请日：2020-03-30
Applicant: 北京工业大学
IPC: G06F30/28 , G06T13/60 , G06F113/08 , G06F111/04 , G06F119/14
Abstract: 一种基于数据驱动的流体模拟方法，其较准确地匹配了两个流体的表面,同时避免了误差的不断积累，能够更好地恢复流体表面之间的动作，能获得更自然的流体表面，在自动匹配和获得适定的对应关系方面均比用户参与的配准方法以及第三方数据点的方法更好。该方法包括：(1)通过两组不同的设置参数生成两个流体序列，然后转化成两组时空流体表面φ1和φ2作为输入数据；(2)进行流体动态模型的配准，添加基于L0范数的光滑约束条件，通过限制变形场中所包含的非零梯度的数量实现变形场的光滑化处理；(3)进行变形的对齐，通过残差迭代以及分辨率的分层逐渐优化；(4)进行表面投影；(5)进行插值运算并输出结果。
-
Patent Agency Ranking
公开(公告)号：CN117689550A
公开(公告)日：2024-03-12
申请号：CN202311628305.2
申请日：2023-11-30
Applicant: 北京工业大学
IPC: G06T5/00 , G06V10/80 , G06V10/774 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 公开了基于渐进式生成对抗网络的低光图像增强方法及装置，能够实现光照均匀的增强结果，提供了最佳的主观性能。方法包括：(1)输入低光图像和正常光照图像对；(2)通过基于Retinex模型的图像分解模块P1和图像亮度区域感知模块P2得到反射图和遮罩图，并输入网络中；(3)通过信号驱动模型生成低光图像的反射图；(4)将生成的反射图输入注意力启发模型；(5)通过显著性网络生成特征图像与生成器生成的特征图像进行融合；(6)通过注意力启发模型生成显著图和增强图像。
-
公开(公告)号：CN112884645A
公开(公告)日：2021-06-01
申请号：CN202110063571.X
申请日：2021-01-18
Applicant: 北京工业大学
IPC: G06T3/40
Abstract: 基于张量稀疏约束的光场填充方法及装置，避免向量化、引入超分辨率重建技术使光场内部的相关特性被最大程度地利用，得到客观表现良好的填充光场，给用户更好的视觉体验。方法包括：(I)对丢失部分信息的光场进行滑窗采样、搜索相似块并堆叠，利用基于张量稀疏约束的光场填充模型填充得到的五维张量，再将其中的图像块分别置回光场原始索引处，得到填充的光场；(II)对(I)中得到的光场、与对前者进行超分辨率重建得到的高分辨率光场都进行滑窗采样；将后者得到的图像块投影为前者相同大小的块，相似度排序得到由两者组成的五维张量，对其使用基于张量稀疏约束的光场填充模型填充，将其中原始大小的图像块置回原始索引处，得到填充的光场。
-
公开(公告)号：CN112801027A
公开(公告)日：2021-05-14
申请号：CN202110182127.X
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于事件相机的车辆目标检测方法，基于事件相机，利用深度学习技术研究了一种极端场景下的车辆目标检测方法。事件相机可以异步生成帧和事件数据，对克服运动模糊和极端光照条件有很大帮助。首先将事件转为事件图像，然后将帧图像和事件图像同时送入融合卷积神经网络，增加对事件图像进行特征提取的卷积层；同时在网络的中间层通过融合模块将二者的特征进行融合；最后重新设计损失函数提高了车辆目标检测的有效性。本发明的方法可以弥补在极端场景下仅使用帧图像进行目标检测的不足，在使用帧图像的基础上在融合卷积神经网络中融合事件图像，增强了在极端场景中车辆目标检测的效果。
-
公开(公告)号：CN111402125A
公开(公告)日：2020-07-10
申请号：CN202010081238.7
申请日：2020-02-06
Applicant: 北京工业大学
Abstract: 公开一种基于非紧框架的稀疏表示方法，其有效地保证了信号的稳定重建，融合了合成稀疏表示模型与分析稀疏表示模型的优势，能很好地处理自然图像和合成图像。该方法针对信号样本集X＝[x1,x2,…,xL]，通过公式(1)-(4)获得稀疏表示模型y＝Sλ(ΨTx)，x＝Φyx＝ΦΨTx，Ψ＝F-1Φ (3)
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.028 seconds)
