公开(公告)号：CN107646105B

公开(公告)日：2021-07-06

申请号：CN201680029858.8

申请日：2016-05-26

申请人： 微软技术许可有限责任公司

发明人： M·A·约翰逊

IPC分类号： G06F9/50

摘要： 第一节点包括web服务器，其具有被配置为将web服务器连接到云基础架构的多个第二节点的网络接口。第一节点具有连接到web服务器的物理存储，所述物理存储至少包括云计算基础架构的多主数据库系统的主数据库，所述主数据库被配置为存储限定动态web应用的基元代码单元。Web服务器接收包括输入数据和基元代码单元中的单独基元代码单元的标识符的请求，请求中的至少一些请求来源于使用动态web应用的客户端设备。Web服务器响应于请求，取决于主数据库的状态来执行基元代码单元中的单独基元代码单元，使得动态web应用被执行。

公开(公告)号：CN118648026A

公开(公告)日：2024-09-13

申请号：CN202380019541.6

申请日：2023-01-06

申请人： 微软技术许可有限责任公司

发明人： P·J·卡梅伦 ,  C·P·B·莫里森 ,  M·P·格雷森 ,  D·马斯赛蒂 ,  M·A·约翰逊 ,  E·S·L·林特尔 ,  R·法亚·马奎斯

IPC分类号： G06T13/40 ,  G10L21/055

摘要： 一种计算机实现的方法，包括：从用户设备接收来自用户的视频数据；基于视频数据训练第一机器学习模型以提供第二机器学习模型，第二机器学习模型针对用户被个性化，其中第二机器学习模型被训练为基于音频数据预测用户的动作；从用户接收另一音频数据；基于另一音频数据和第二机器学习模型确定用户的预测动作；使用用户的预测动作来生成用户的化身的动画。

公开(公告)号：CN107646105A

公开(公告)日：2018-01-30

申请号：CN201680029858.8

申请日：2016-05-26

申请人： 微软技术许可有限责任公司

发明人： M·A·约翰逊

IPC分类号： G06F9/50

CPC分类号： H04L67/10 ,  G06F9/505 ,  G06F9/5055 ,  G06F9/5083 ,  G06F11/1435 ,  G06F11/1484 ,  G06F11/1492 ,  G06F11/2028 ,  G06F11/2035 ,  G06F11/2043 ,  G06F11/2048 ,  G06F2009/4557 ,  H04L67/02 ,  H04L67/42

摘要： 第一节点包括web服务器，其具有被配置为将web服务器连接到云基础架构的多个第二节点的网络接口。第一节点具有连接到web服务器的物理存储，所述物理存储至少包括云计算基础架构的多主数据库系统的主数据库，所述主数据库被配置为存储限定动态web应用的基元代码单元。Web服务器接收包括输入数据和基元代码单元中的单独基元代码单元的标识符的请求，请求中的至少一些请求来源于使用动态web应用的客户端设备。Web服务器响应于请求，取决于主数据库的状态来执行基元代码单元中的单独基元代码单元，使得动态web应用被执行。

公开(公告)号：CN118805208A

公开(公告)日：2024-10-18

申请号：CN202380024887.5

申请日：2023-02-08

申请人： 微软技术许可有限责任公司

发明人： J·P·C·瓦伦丁 ,  E·W·伍德 ,  T·J·卡什曼 ,  M·德拉戈尔斯 ,  T·巴尔特鲁萨迪斯 ,  D·S·维尔德 ,  申晶晶 ,  M·A·约翰逊 ,  C·T·休伊特 ,  N·米洛萨夫列维奇 ,  S·J·加尔宾 ,  T·夏普 ,  I·斯托伊利科夫

IPC分类号： G06V40/16

摘要： 在图像中预测关键点。针对作为2D随机变量的、图像的关键点中的每个关键点生成预测，所述2D随机变量以位置(x，y)和标准偏差σ正态分布。神经网络被训练，以使来自预测的关键点中的每个关键点的样本等于基础事实的对数似然值最大化。经训练的神经网络被用于在不生成热图的情况下预测图像的关键点。

公开(公告)号：CN117015806A

公开(公告)日：2023-11-07

申请号：CN202280021761.8

申请日：2022-03-01

申请人： 微软技术许可有限责任公司

发明人： S·J·加尔宾 ,  M·A·科瓦尔斯基 ,  M·A·约翰逊

IPC分类号： G06T15/55 ,  G06T15/20 ,  G06T7/90 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/08

摘要： 提供了用于训练机器学习模型，以基于位置数据以及基于方向数据的与特定视图方向相关联的加权方案来生成密度值和辐射分量，从而计算沿着多个相机光线的每个点的最终RGB值的方法和系统。位置数据和方向数据是从特定静态场景的一组训练图像中提取的。辐射分量、密度值和加权方案被缓存，以实现高效的图像数据处理，从而对采样的每个点执行体积渲染。基于采样的每个点的体积渲染生成静态场景的新颖视点。

公开(公告)号：CN115699093A

公开(公告)日：2023-02-03

申请号：CN202180042980.X

申请日：2021-05-13

申请人： 微软技术许可有限责任公司

发明人： M·A·科瓦尔斯基 ,  M·A·约翰逊 ,  J·D·J·肖顿

IPC分类号： G06T15/06 ,  A63F13/355 ,  A63F13/56 ,  A63F13/655 ,  G06T15/08 ,  G06T15/10 ,  G06N20/20

摘要： 计算动态场景的输出图像。选择的E值是描述输出图像中场景的期望动态内容的参数。针对要生成的输出图像的各个像素，使用选择的固有相机参数和选择的视点，该方法计算从虚拟相机通过像素进入动态场景的光线。对于各个光线，沿光线至少采样一个点。对于采样点中的各个采样点、作为相应光线的方向的观察方向和E，查询机器学习模型以产生采样点处的颜色值和不透明度值，其中场景的动态内容由E指定。对于光线中的各个光线，将体渲染方法应用于沿该光线计算的颜色值和不透明度值，以产生输出的像素值。