公开(公告)号：CN116757937A

公开(公告)日：2023-09-15

申请号：CN202210955674.1

申请日：2022-08-10

申请人： 辉达公司

发明人： S·库马尔 ,  A·帕特尼 ,  E·徐 ,  A·摩尔

IPC分类号： G06T5/00 ,  G06T5/20 ,  G06N3/0464 ,  G06N3/084 ,  G06N20/00

摘要： 本公开涉及重新灌录低动态范围内容用于高动态范围显示。本文公开的技术涉及使用机器学习模型(如CNN)将低动态范围的图像内容(如SDR图像)扩展为高动态范围的图像内容(如HDR图像)。机器学习模型可以将低动态范围的图像作为输入，并可以输出多个扩展图，用于使扩展后的图像看起来更自然。扩展图可以由图像算子用来平滑色带，并在扩展后的图像中淡化过度曝光的区域或用户界面元素。然后，扩展的内容(例如，HDR图像内容)可以被提供给一个或更多个设备用于显示或存储。

公开(公告)号：CN115023737A

公开(公告)日：2022-09-06

申请号：CN202180011645.3

申请日：2021-07-07

申请人： 辉达公司

发明人： 聂维梨 ,  T·T·卡拉斯 ,  A·加格 ,  S·德布纳斯 ,  A·帕特尼 ,  A·安纳德库玛

IPC分类号： G06T11/60

摘要： 用于训练一个或更多个神经网络以生成包含一个或更多个特征的图像的装置、系统和技术。在至少一个实施例中，训练一个或更多个神经网络来确定输入图像的一种或多种样式，然后在输出图像中生成与所述一种或多种样式相关联的特征。

公开(公告)号：CN113392968A

公开(公告)日：2021-09-14

申请号：CN202011083316.3

申请日：2020-10-12

申请人： 辉达公司

发明人： A·帕特尼 ,  B·L·罗利特 ,  徐英浩 ,  A·L·艾德斯登 ,  A·E·勒福恩

IPC分类号： G06N3/08 ,  G06N3/04 ,  G06T5/00

摘要： 本发明公开了针对神经网络的迭代式小样本精细化的微训练。所公开的微训练技术通过使用相对短的系列微训练步骤以低学习率执行迭代精细化来提高训练的神经网络的准确性。神经网络训练框架接收训练后的神经网络以及第二训练数据集和超参数集。神经网络训练框架通过使用较低的学习率来调整训练后的神经网络的一个或更多个权重，从而促进增量精度的提高，而本质上不改变训练后的神经网络的计算结构，从而产生微训练的神经网络。可以评估微训练的神经网络的准确性和/或质量的变化。可以在微训练的神经网络上执行其他微训练会话，以进一步提高准确性或质量。