噪点估计
    2.
    发明公开
    噪点估计 审中-实审

    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

    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。

    数据处理方法和数据处理装置
    3.
    发明公开

    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

    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。

    用于图像处理的设备和方法
    4.
    发明公开

    公开(公告)号:CN114846506A

    公开(公告)日:2022-08-02

    申请号:CN202080089415.4

    申请日:2020-03-31

    IPC分类号: G06T5/00 G06T5/20

    摘要: 一种包括图像处理器的设备,所述图像处理器用于实现:第一机器学习模型,用于对降质图像数据执行复原处理;第二机器学习模型,用于识别在所述复原处理期间需要处理加强的图像区域;其中,所述第二机器学习模型的输出是所述第一机器学习模型的输入,用于优化所述复原处理。

    图像处理器
    6.
    发明公开
    图像处理器 审中-实审

    公开(公告)号:CN113454680A

    公开(公告)日:2021-09-28

    申请号:CN201980092717.4

    申请日:2019-03-21

    IPC分类号: G06T5/20

    摘要: 一种图像处理模块,用于实现经过多部分训练的人工智能模型,其中,所述图像处理模块用于:接收输入图像;实现所述模型的第一部分,以确定所述图像在第一颜色空间中的第一变换;将所述第一变换应用于所述图像,以形成第一调整图像;实现所述模型的第二部分,以确定所述图像在第二颜色空间中的第二变换;将所述第二变换应用于所述第一调整图像,以形成第二调整图像;输出从所述第二调整图像导出的图像。

    颜色恒常性的多假设分类

    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

    IPC分类号: H04N1/60 H04N23/88

    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。

    尺度感知单目定位和地图构建
    9.
    发明公开

    公开(公告)号:CN113711276A

    公开(公告)日:2021-11-26

    申请号:CN201980095498.5

    申请日:2019-04-30

    IPC分类号: G06T7/55

    摘要: 公开了一种图像处理设备,包括处理器,该处理器用于通过以下步骤估计图像特征的尺度:通过第一训练模型处理场景的多个图像,以识别图像中的特征并估计图像中这些特征的深度;通过第二训练模型处理多个图像,以估计图像的缩放比例;以及通过根据估计的缩放比例对估计的深度进行调整来估计特征的尺度。还公开了一种用于训练图像处理模型的方法。

    用于相机自适应颜色恒常性的元学习

    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

    IPC分类号: H04N9/73 G06N3/08

    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。