-
公开(公告)号：CN108573257A
公开(公告)日：2018-09-25
申请号：CN201810078350.8
申请日：2018-01-26
Applicant: 奥多比公司
Abstract: 本发明涉及基于自然语言短语来对图像进行分割。接收图像和n元语法，其包括标记序列。生成图像特征的编码和标记向量序列。完全卷积神经网络对图像特征进行标识和编码。单词嵌入模型生成标记向量。递归神经网络(RNN)基于图像特征编码和标记向量的组合来迭代地更新分割图。分割图标识在由n元语法引用的图像区域中包括哪些像素。基于分割图来生成分割图像。RNN可以是卷积多模态RNN。单独的RNN(诸如长短期记忆网络)可以基于标记的顺序来迭代地更新语义特征的编码。第一RNN可以基于语义特征编码来更新分割图。
-
公开(公告)号：CN117876531A
公开(公告)日：2024-04-12
申请号：CN202311286104.9
申请日：2023-10-07
Applicant: 奥多比公司
Abstract: 本公开的实施例涉及利用分割分支生成填入分割图的人类修复。本公开涉及使用人工智能促进的图像理解经由基于场景的编辑来修改数字图像的系统、方法和非暂态计算机可读介质。例如，在一个或多个实施例中，所公开的系统利用生成式机器学习模型来创建描绘人类对象的经修改的数字图像。特别地，所公开的系统通过执行填入修改以完整数字图像或描绘人类的数字图像的部分的人类修复来生成经修改的数字图像。此外，在一些实施例中，所公开的系统执行对数字图像内描绘的对象的重定姿以生成经修改的数字图像。此外，在一些实施例中，所公开的系统执行面部表情转移和面部表情动画以生成经修改的数字图像或动画。
-
公开(公告)号：CN109816770B
公开(公告)日：2023-09-01
申请号：CN201811022930.1
申请日：2018-09-03
Applicant: 奥多比公司
Abstract: 本公开内容涉及使用神经网络的油画笔划模拟。公开了使用经训练的神经网络来模拟画笔笔划的油画模拟技术。在一些示例中，一种方法可以包括在基于表示新的画笔笔划的刷毛轨迹图和在新的画笔笔划的应用之前画布上的现有涂料的高度图来推断在新的画笔笔划被应用之后画布上的现有涂料的新的高度图，以及基于在新的画笔笔划被应用于画布之后画布上的现有涂料的新的高度图和颜色图来生成新的画笔笔划的绘出。
-
公开(公告)号：CN109816770A
公开(公告)日：2019-05-28
申请号：CN201811022930.1
申请日：2018-09-03
Applicant: 奥多比公司
Abstract: 本公开内容涉及使用神经网络的油画笔划模拟。公开了使用经训练的神经网络来模拟画笔笔划的油画模拟技术。在一些示例中，一种方法可以包括在基于表示新的画笔笔划的刷毛轨迹图和在新的画笔笔划的应用之前画布上的现有涂料的高度图来推断在新的画笔笔划被应用之后画布上的现有涂料的新的高度图，以及基于在新的画笔笔划被应用于画布之后画布上的现有涂料的新的高度图和颜色图来生成新的画笔笔划的绘出。
-
公开(公告)号：CN108537864A
公开(公告)日：2018-09-14
申请号：CN201711009867.3
申请日：2017-10-25
Applicant: 奥多比公司
CPC classification number: G06T11/001 , G06F17/50 , G06N3/0454 , G06N3/082 , G06T11/60 , G06T15/005 , G06T15/205 , G06T15/506 , G06T15/55 , G06T15/60 , G06T2200/04 , G06T2200/28 , G06T2215/12
Abstract: 本公开的各实施例总体涉及利用具有网络渲染层的神经网络编辑数字图像。具体地，本公开包括用于利用包括渲染层的神经网络来生成已修改数字图像的方法和系统。特别地，所公开的系统和方法可以训练神经网络以将输入数字图像分解成固有的物理属性(例如，诸如材料、照明和形状)。此外，系统和方法可以用目标属性(例如，已修改材料、照明或形状)替换固有物理属性之一。系统和方法可以利用被训练为合成数字图像的渲染层以基于目标属性和剩余的(未替换的)固有物理属性生成已修改数字图像。系统和方法可以通过生成已修改数字图像来提高已修改数字图像的准确度，已修改数字图像实际上反映输入数字图像的固有物理属性和目标(即，已修改)属性的融合。
-
Patent Agency Ranking
公开(公告)号：CN109671126B
公开(公告)日：2024-05-24
申请号：CN201810870771.4
申请日：2018-08-02
Applicant: 奥多比公司
Abstract: 描述了使用神经网络来预测分块位移图。首先，将要执行图像编辑操作的数字图像作为输入提供给具有偏移预测神经网络的分块匹配器。从该图像并且基于该网络被训练的图像编辑操作，偏移预测神经网络生成形成为位移图的偏移预测，该位移图具有表示数字图像的像素到执行图像编辑操作的不同位置的位移的偏移向量。通过以下项将数字图像的像素值复制到受操作影响的图像像素：确定与受图像编辑操作影响的图像像素相对应的向量像素，并将由所确定的偏移向量表示的图像像素的像素值映射到受影响的像素。根据该映射，设置受影响的像素的像素值，从而有效地执行图像编辑操作。
-
公开(公告)号：CN117853612A
公开(公告)日：2024-04-09
申请号：CN202311286087.9
申请日：2023-10-07
Applicant: 奥多比公司
IPC: G06T11/60 , G06T11/40 , G06T13/40 , G06T19/20 , G06N20/00 , G06T7/73 , G06F3/04845 , G06F3/0488
Abstract: 本公开的实施例涉及利用人类修复模型生成经修改的数字图像。本公开涉及使用人工智能促进的图像理解经由基于场景的编辑来修改数字图像的系统、方法和非暂态计算机可读介质。例如，在一个或多个实施例中，所公开的系统利用生成式机器学习模型来创建描绘人类对象的经修改的数字图像。特别地，所公开的系统通过执行填入修改以完整数字图像或描绘人类的数字图像的部分的人类修复来生成经修改的数字图像。此外，在一些实施例中，所公开的系统执行对数字图像内描绘的对象的重定姿以生成经修改的数字图像。此外，在一些实施例中，所公开的系统执行面部表情转移和面部表情动画以生成经修改的数字图像或动画。
-
公开(公告)号：CN107958460B
公开(公告)日：2023-09-08
申请号：CN201710585415.3
申请日：2017-07-18
Applicant: 奥多比公司
IPC: G06T7/13 , G06T7/12 , G06N3/0464 , G06F16/48
Abstract: 本公开的实施例涉及实例级语义分割系统。某些方面包含通过确定针对数字视觉媒体的每个像素的得分来对数字视觉媒体中的对象进行语义分割，该得分表示每个像素与关联于数字视觉媒体内的边界框的对象相对应的可能性。至少部分地基于包括针对数字视觉媒体的每个像素的得分的共同概率图，确定实例级标签，其产生与对象相对应的数字视觉媒体的像素中的每个像素的标签。在一些方面中，通过由神经网络训练的预测模型来确定与每个边界框相对应的每个像素的得分。
-
公开(公告)号：CN109670558A
公开(公告)日：2019-04-23
申请号：CN201810876439.9
申请日：2018-08-03
Applicant: 奥多比公司
Abstract: 描述了使用深度学习的数字图像完成。最初，接收具有至少一个孔洞的数字图像。这种孔洞的数字图像作为输入提供给用框架形成的图像完成器，该框架基于生成性对抗网络的学习架构组合生成性神经网络和区分性神经网络。从孔洞数字图像中，生成性神经网络生成填充数字图像，填充数字图像具有代替孔洞的孔洞填充内容来。区分性神经网络检测填充的数字图像和孔洞填充数字内容是对应于或包括计算机生成的内容还是相片逼真的。生成和检测迭代地继续，直到区分性神经网络无法检测用于填充的数字图像和孔洞填充内容的计算机生成的内容或直到检测超过阈值难度为止。响应于此，图像完成器输出具有代替孔洞数字图像的孔洞的孔洞填充内容的填充数字图像。
-
公开(公告)号：CN109726793B
公开(公告)日：2024-06-14
申请号：CN201810886944.1
申请日：2018-08-06
Applicant: 奥多比公司
Abstract: 公开了用于利用一个或多个突出内容神经网络在数字视觉媒体中分割对象的系统、方法和非暂态计算机可读介质。具体地，在一个或多个实施例中，所公开的系统和方法训练一个或多个突出内容神经网络以高效地标识数字视觉媒体中的前景像素。此外，在一个或多个实施例中，所公开的系统和方法向移动设备提供经训练的突出内容神经网络，允许移动设备利用经训练的神经网络来直接地选择数字视觉媒体中的突出对象。此外，在一个或多个实施例中，所公开的系统和方法训练并提供多个突出内容神经网络，使得移动设备可以标识实时数字视觉媒体馈送中的对象(利用第一突出内容神经网络)并且标识静态数字图像中的对象(利用第二个突出内容神经网络)。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
