基于集成神经辐射场的人脸视频表情迁移模型构建方法及表情迁移方法和系统

    公开(公告)号:CN115409937A

    公开(公告)日:2022-11-29

    申请号:CN202210999247.3

    申请日:2022-08-19

    IPC分类号: G06T17/00 G06T5/50 G06V20/40

    摘要: 本发明属于人工智能技术领域,特别涉及一种基于集成神经辐射场的人脸视频表情迁移模型构建方法及表情迁移方法和系统,通过构建集成神经辐射场人脸表情迁移模型,其中,所述迁移模型中包含:集成渲染生成器,其由n个用于查询采样帧图像空间密度和颜色的子生成器组成;及用于对n个子生成器进行加权求和的权重控制器;根据人物类别收集视频数据,将视频数据分解为若干张帧图像,按时间顺序将若干张帧图像均分n份,利用均分的帧图像集构建样本数据,训练优化子生成器,以样本数据中的表情向量为权重控制器的输入,利用权重控制器调整子生成器的输出权重以获取最终训练优化后的迁移模型。本发明在面部重现的重建质量、身份保持、表情和姿态转换等方面都有更加稳定和优越的表现,具有较好的应用前景。

    基于邻域去偏的图对比学习方法及系统

    公开(公告)号:CN115423017A

    公开(公告)日:2022-12-02

    申请号:CN202211063188.5

    申请日:2022-08-31

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明属于图对比学习技术领域,特别涉及一种基于邻域去偏的图对比学习方法及系统,针对给定的图数据,利用不同图变换方式来获取对应图变换下的图视图;获取原始图中的节点特征向量,并根据节点特征向量对图视图中的所有节点进行聚类,通过将节点划分到对应的类别簇来获取节点的聚类类别;去除对比学习损失函数中每个节点负样本对中与该节点聚类结果相同且处于其m阶邻域的其他节点,减小了对比学习损失函数中的偏差。本发明通过不同图变换来构造样本数据,并在模型训练中通过去除对比学习中每个节点负样本对中与该节点聚类结果相同的节点,在增加少量计算量的条件下,能够大大减小负样本对的偏差,提高图对比学习模型的性能,便于下游任务中的应用。

    一种基于深度强化学习的单晶炉智能控制方法及装置

    公开(公告)号:CN115220341A

    公开(公告)日:2022-10-21

    申请号:CN202210790129.1

    申请日:2022-07-06

    IPC分类号: G05B13/04 G06N3/04 G06N3/08

    摘要: 本发明公开一种基于深度强化学习的单晶炉智能控制方法及装置,该方法包括:步骤1,构建深度强化学习网络;步骤2,将单晶炉各种状态信息和状态下动作的量化奖励输入构建的深度强化学习网络中,训练深度强化学习模型;步骤3,向训练好的深度强化学习模型中输入实时采集的单晶炉内部生产状态图像,获得最优设备控制动作;步骤4,根据最优设备控制动作智能控制单晶炉生产。本发明通过使用强化学习的方法,将单晶硅的一个生产流程看做一次强化学习决策,将单晶硅的生产质量作为决策奖励,把单晶炉内的视觉图像作为状态,训练出不同状态下的最优单晶炉控制动作,可以大大降低单晶硅生产的人力成本,减小经验误差。