-
公开(公告)号:CN114746895A
公开(公告)日:2022-07-12
申请号:CN201980102739.4
申请日:2019-12-04
申请人: 华为技术有限公司
发明人: 伊奥安尼斯·马拉斯 , 伊奥安尼斯·亚历克西乌 , 格雷戈里·斯拉堡 , 斯特凡诺斯·扎菲里乌
摘要: 一种用于对图像去噪的装置(901),所述装置(901)具有处理器,用于接收输入图像、实施训练后的人工智能模型以在所述输入图像中形成噪声图案的估计并通过从所述输入图像减去所述噪声图案的所述估计来形成输出图像,所述模型用于形成所述噪声图案的所述估计,使得所述噪声图案的所述估计代表特定图像传感器类型所特有的噪声图案。
-
公开(公告)号:CN113168671A
公开(公告)日:2021-07-23
申请号:CN201980076434.0
申请日:2019-03-21
申请人: 华为技术有限公司
IPC分类号: G06T5/00
摘要: 一种图像处理设备,包括处理器,所述处理器用于通过以下步骤估计图像中的噪点,其中,所述图像由一组像素表示,并且每个像素在一个或多个通道中的每个通道上具有与所述像素相关的值:通过用于检测随机噪点的第一训练模型,处理从所述图像导出的数据,形成第一噪点估计;通过用于检测像素极值的第二训练模型,处理从所述图像导出的数据,形成第二噪点估计;将所述第一噪点估计和所述第二噪点估计组合,形成聚合噪点估计。
-
公开(公告)号:CN111402130A
公开(公告)日:2020-07-10
申请号:CN202010110945.4
申请日:2020-02-21
申请人: 华为技术有限公司
IPC分类号: G06T3/40
摘要: 本申请实施例公开了一种数据处理方法,应用于人工智能领域,具体为图像处理技术,包括:获取帧序列,帧序列中的帧具有第一分辨率;从帧序列中确定至少两个帧组,帧组包括第一目标帧和第一目标帧的至少两个邻近帧,第一目标帧为帧序列中的任意一帧,邻近帧为帧序列中除第一目标帧以外的帧;通过三维卷积神经网络确定至少两个帧组中每个帧组的特征,三维卷积神经网络中卷积核在时间维度的尺寸与帧组中帧的数量正相关;融合至少两个帧组中每个帧组的特征,以确定第一目标帧的细节特征;根据细节特征和第一目标帧,获取具有第二分辨率的第一目标帧,第二分辨率大于第一分辨率。
-
-
-
-
公开(公告)号:CN114868384B
公开(公告)日:2023-10-24
申请号:CN202080089931.7
申请日:2020-04-22
申请人: 华为技术有限公司
发明人: 宋继飞 , 本杰明·布萨姆 , 爱德华多·佩雷斯·佩利特罗 , 格雷戈里·斯拉堡 , 阿莱斯·莱昂纳迪斯
IPC分类号: H04N13/15 , H04N13/204 , H04N13/257 , H04N13/239 , H04N25/13 , G06T7/593 , H04N13/00
摘要: 本申请提供一种用于对第一和第二图像执行深度估算的设备,其中,所述第一和第二图像是用具有色彩滤波阵列的一个或多个摄像机捕获到的,每个图像包括多个颜色通道,每个颜色通道对应于所述色彩滤波阵列的相应颜色通道,所述设备用于通过从所述第一和第二图像的颜色通道估算视差,执行深度估算。
-
公开(公告)号:CN114586330B
公开(公告)日:2023-04-21
申请号:CN201980101469.5
申请日:2019-11-13
申请人: 华为技术有限公司
发明人: 丹尼尔·埃尔南德斯 , 莎拉·帕里索 , 阿莱斯·莱昂纳迪斯 , 格雷戈里·斯拉堡 , 史蒂文·乔治·麦克唐纳
摘要: 一种用于估计源图像的场景照明颜色的设备,所述设备用于:确定一组候选光源,并且针对每个所述候选光源,确定所述源图像的相应校正;针对每个所述候选光源,对所述源图像应用所述相应校正,以形成相应的一组校正图像;针对所述一组校正图像中的每个校正图像,实施训练数据驱动模型以估计所述相应校正图像的相应非彩色概率;以及基于对所述一组校正图像的所述估计的非彩色概率,获得所述源图像的所述场景照明颜色的最终估计。这种方法可以评估多个候选照明以确定所述场景照明颜色的估计,这可以在校正场景照明时提高图像质量,从而在目标图像中实现自然图像外观。
-
-
公开(公告)号:CN113273181A
公开(公告)日:2021-08-17
申请号:CN201880098531.5
申请日:2018-11-16
申请人: 华为技术有限公司
发明人: 史蒂文·乔治·麦克唐纳 , 莎拉·帕里索 , 格雷戈里·斯拉堡 , 李震国
摘要: 本发明提供了一种处理实体。所述处理实体用于:通过以下步骤生成一种模型,其中,所述模型用于估计由相机捕获的源图像的场景照明颜色:获取图像集,其中,每个图像由相应的相机捕获,所述图像集整体包括由多个相机捕获的多个图像;通过将所述图像集中的每个图像分配到相应的任务使得所述同一任务中的多个图像存在一个共同点:这些图像的属性在预定范围内,从而形成任务集;通过重复执行以下操作,训练所述模型中的参数:选择至少一个任务,根据所述任务中的第一图像子集形成临时模型参数集,对照所述任务中的第二图像子集估计所述临时模型参数集的质量,根据所述临时参数集和所述估计质量更新所述模型中的所述参数。
-
-
-
-
-
-
-
-
-