-
公开(公告)号：CN106331680A
公开(公告)日：2017-01-11
申请号：CN201610657639.6
申请日：2016-08-10
Applicant: 清华大学深圳研究生院 , 深圳市未来媒体技术研究院
IPC: H04N13/02
CPC classification number: H04N13/261
Abstract: 本发明公开了一种手机端2D转3D自适应云卸载的方法和系统，该方法包括如下步骤：A1.输入一帧2D单目图像，将图像等分成N个图像块；A2.将图像块进行分类，分类为远景视图、线性视图和普通视图；A3.根据已划分视图的类别，分别计算每个图像块深度估计的算法复杂度；A4.将每个图像块的算法复杂度，代入云端卸载动态资源分配模型，最优化得到分配结果；A5.按照A4得到的分配结果，分别在手机端和云端进行深度估计，生成深度图。该方法和系统通过建立云端卸载动态资源分配模型，形成基于云计算的手机端2D转3D的自适应卸载方法和系统，将手机端复杂的计算卸载到云端，从而释放手机端的存储资源，提高手机的处理速度，降低手机的功耗；同时获得深度估计合理，运行速度高效的高质量深度图。
-
公开(公告)号：CN106331680B
公开(公告)日：2018-05-29
申请号：CN201610657639.6
申请日：2016-08-10
Applicant: 清华大学深圳研究生院 , 深圳市未来媒体技术研究院
IPC: H04N13/261
Abstract: 本发明公开了一种手机端2D转3D自适应云卸载的方法和系统，该方法包括如下步骤：A1.输入一帧2D单目图像，将图像等分成N个图像块；A2.将图像块进行分类，分类为远景视图、线性视图和普通视图；A3.根据已划分视图的类别，分别计算每个图像块深度估计的算法复杂度；A4.将每个图像块的算法复杂度，代入云端卸载动态资源分配模型，最优化得到分配结果；A5.按照A4得到的分配结果，分别在手机端和云端进行深度估计，生成深度图。该方法和系统通过建立云端卸载动态资源分配模型，形成基于云计算的手机端2D转3D的自适应卸载方法和系统，将手机端复杂的计算卸载到云端，从而释放手机端的存储资源，提高手机的处理速度，降低手机的功耗；同时获得深度估计合理，运行速度高效的高质量深度图。
-
Patent Agency Ranking
公开(公告)号：CN105631868A
公开(公告)日：2016-06-01
申请号：CN201510992293.0
申请日：2015-12-25
Applicant: 清华大学深圳研究生院
IPC: G06T7/00
CPC classification number: G06T2207/20021
Abstract: 本发明公开了一种基于图像分类的深度信息提取方法，包括以下步骤：1)检测图像的类型，判断图像的类型是远景图像、左视图像、右视图像、普通图像四种类型中的哪一种；2)对图像采用Mean shift分割方法进行分割，再对分割后的不同块根据垂直坐标进行深度赋值；3)对图像采用Mean shift分割方法进行分割，再对分割后的不同块根据水平坐标进行深度赋值；4)对图像采用Mean shift分割方法进行分割，再对分割后的不同块根据水平坐标进行深度赋值；5)对图像采用KMeans分割方法进行分割，分割出前景部分和背景部分，然后对背景部分和前景部分分别赋值。本发明的基于图像分类的深度信息提取方法，获取的深度图较为准确，且计算复杂度较低。
-
公开(公告)号：CN106507131A
公开(公告)日：2017-03-15
申请号：CN201611116361.8
申请日：2016-12-07
Applicant: 清华大学深圳研究生院
IPC: H04N21/234 , H04N21/44
CPC classification number: H04N21/234 , H04N21/44
Abstract: 本发明公开了一种超高清视频编码的自适应云卸载方法，属于计算机视觉与数字图像处理领域。所述方法包括，A1：在移动端输入YUV视频，将某段时间内的每帧图像代入云卸载模型，得到使移动端功耗最小化的最优分配结果，即确定该时间段每帧图像是在移动端还是云端进行编码；A2：每帧图像按照A1的分配结果在移动端或者云端利用相同的编码器对其进行编码；A3：将移动端和云端编码后的码流进行整合，在云端输出码流。利用本发明编码能够显著减少移动端功耗，应用于移动端的视频传输和视频播放等领域，能有效地提高编码效率。
-
公开(公告)号：CN106507132B
公开(公告)日：2019-03-08
申请号：CN201611116368.X
申请日：2016-12-07
Applicant: 清华大学深圳研究生院
IPC: H04N21/234 , H04N21/44
Abstract: 本发明公开了一种基于移动端虚拟视点合成的云卸载方法及系统，该方法包括如下步骤：A1.将输入帧，包括左右视点的纹理图和深度图，等分成n块；A2.参考上一帧分割块空洞数目，预测当前帧每一分割块进行视点合成的负载；A3.将每个图像块的负载代入云卸载模型，通过最小化移动端的功耗，得到分配结果；A4.根据A3分配结果，在云端或者在移动端分别对不同的图像块进行视点合成；A5.将云端和移动端合成的虚拟视点图像进行拼接，输出一个完整的虚拟视点。使用本发明的云卸载方法或系统，不仅能够提高虚拟视点合成的算法效率、降低移动端的功耗，而且还能高效地获取较高质量的合成的虚拟视点图像或者视频。
-
公开(公告)号：CN106507132A
公开(公告)日：2017-03-15
申请号：CN201611116368.X
申请日：2016-12-07
Applicant: 清华大学深圳研究生院
IPC: H04N21/234 , H04N21/44
CPC classification number: H04N21/234 , H04N21/23424 , H04N21/44 , H04N21/44016
Abstract: 本发明公开了一种基于移动端虚拟视点合成的云卸载方法及系统，该方法包括如下步骤：A1.将输入帧，包括左右视点的纹理图和深度图，等分成n块；A2.参考上一帧分割块空洞数目，预测当前帧每一分割块进行视点合成的负载；A3.将每个图像块的负载代入云卸载模型，通过最小化移动端的功耗，得到分配结果；A4.根据A3分配结果，在云端或者在移动端分别对不同的图像块进行视点合成；A5.将云端和移动端合成的虚拟视点图像进行拼接，输出一个完整的虚拟视点。使用本发明的云卸载方法或系统，不仅能够提高虚拟视点合成的算法效率、降低移动端的功耗，而且还能高效地获取较高质量的合成的虚拟视点图像或者视频。
-
公开(公告)号：CN106507131B
公开(公告)日：2019-04-30
申请号：CN201611116361.8
申请日：2016-12-07
Applicant: 清华大学深圳研究生院
IPC: H04N21/234 , H04N21/44
Abstract: 本发明公开了一种超高清视频编码的自适应云卸载方法，属于计算机视觉与数字图像处理领域。所述方法包括，A1：在移动端输入YUV视频，将某段时间内的每帧图像代入云卸载模型，得到使移动端功耗最小化的最优分配结果，即确定该时间段每帧图像是在移动端还是云端进行编码；A2：每帧图像按照A1的分配结果在移动端或者云端利用相同的编码器对其进行编码；A3：将移动端和云端编码后的码流进行整合，在云端输出码流。利用本发明编码能够显著减少移动端功耗，应用于移动端的视频传输和视频播放等领域，能有效地提高编码效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.293 seconds)
