CN109509262A - 基于人工智能的智能增强建模算法及装置 - Google Patents

基于人工智能的智能增强建模算法及装置 Download PDF

Info

Publication number
CN109509262A
CN109509262A CN201811342665.5A CN201811342665A CN109509262A CN 109509262 A CN109509262 A CN 109509262A CN 201811342665 A CN201811342665 A CN 201811342665A CN 109509262 A CN109509262 A CN 109509262A
Authority
CN
China
Prior art keywords
image
target
point
imaging point
imaging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811342665.5A
Other languages
English (en)
Other versions
CN109509262B (zh
Inventor
吴跃华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Qingyan Heshi Technology Co ltd
Original Assignee
Angrui Shanghai Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Angrui Shanghai Information Technology Co Ltd filed Critical Angrui Shanghai Information Technology Co Ltd
Priority to CN201811342665.5A priority Critical patent/CN109509262B/zh
Publication of CN109509262A publication Critical patent/CN109509262A/zh
Application granted granted Critical
Publication of CN109509262B publication Critical patent/CN109509262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于人工智能的智能增强建模算法及装置，所述智能增强建模算法包括：获取一头部的3D初始影像；对于3D初始影像上的目标影像点，通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。本发明的基于人工智能的智能增强建模算法及装置能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果。

Description

基于人工智能的智能增强建模算法及装置
技术领域
本发明涉及一种基于人工智能的智能增强建模算法及装置。
背景技术
三维重建是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。
物体三维重建是计算机辅助几何设计、计算机图形学、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型，另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟。后者一般称为三维重建过程，三维重建是指利用二维投影恢复物体三维信息的数学过程和计算机技术，包括数据获取、预处理、点云拼接和特征分析等步骤。
现有的三维重建所生成的3D模型质量较差。
发明内容
本发明要解决的技术问题是为了克服现有技术中三维重建所生成的3D模型质量较差的缺陷，提供一种能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果基于人工智能的智能增强建模算法及装置。
本发明是通过下述技术方案来解决上述技术问题：
一种基于人工智能的智能增强建模算法，其特点在于，所述智能增强建模算法包括：
获取一头部的3D初始影像；
对于3D初始影像上的目标影像点，通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；
根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
较佳地，所述智能增强建模算法包括：
获取一头部的若干帧的3D影像；
利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
根据目标位置上的3D影像生成所述3D初始影像。
较佳地，所述智能增强建模算法包括：
对于3D初始影像上的目标影像点，在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
较佳地，所述3D人脸姿态对齐算法包括：
识别3D影像上的特征点；
利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置。
较佳地，所述3D人脸姿态对齐算法包括：
获取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
较佳地，所述3D人脸姿态对齐算法包括：
选取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
较佳地，所述选取一目标3D影像包括：
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
较佳地，所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同，所述生成一与目标影像点对应的影像点组包括：
对于一个3D初始影像上的目标影像点，获取目标影像点的相邻影像点；
根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间；
集合目标影像点的全部增强影像点生成所述影像点组。
较佳地，同一影像点组中的中心影像点与除中心影像点以外增强影像点均相邻，所述根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像包括：
拼接目标影像点组与相邻影像点组；
调节中心影像点与相邻中心影像点之间的两个增强影像点的深度信息使中心影像点、两个增强影像点及相邻中心影像点的深度信息递增或递减。
本发明还提供一种基于人工智能的智能增强建模装置，其特点在于，所述智能增强建模装置用于执行如上所述的智能增强建模算法。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：本发明的基于人工智能的智能增强建模算法及装置能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果。
附图说明
图1为本发明实施例1的智能增强建模算法的流程图。
图2为本发明实施例2的智能增强建模算法的流程图。
图3为本发明实施例3的智能增强建模算法的流程图。
图4为本发明实施例3的影像点的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种基于人工智能的智能增强建模装置，所述智能增强建模装置包括一3D拍摄装置、一生成模块、一建模模块、一调节模块、一选取模块以及一获取模块。
所述3D拍摄装置用于获取一头部的3D初始影像。
本实施例中所述3D初始影像通过拍摄装置获取，所述初始影像还能够通过调用其他存储器中的数据获取。
对于3D初始影像上的目标影像点，所述生成模块用于通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配。
所述人工智能技术的学习样本可以是人脸数据库，比如选取一个影像点根据其他高清人脸的影像点周围影像的起伏规律，能够推算出影像点扩展成的影像点组。
本实施例的影像点为数字点云中的一点。
初始影像可以为一副影像可以为一组影像数据。
所述建模模块根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
所述3D增强影像中的影像点比3D初始影像中的密集，从而使3D增强影像的质量更高。
进一步地，本实施例的初始影像可以一组影像数据。
3D拍摄装置获取一头部的若干帧的3D影像；
所述调节模块用于利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
本实施例能够将每一帧的影像都调整到指定位置，如从正面和侧面拍摄头部获取的两幅影像，若在同一界面下显示需要按照其中一幅旋转另一幅能将两幅影像对齐。重叠对齐后，全部帧的3D影像能够相互比对、弥补之间的缺陷，从而能够为获取更清晰的3D模型做铺垫。所述重叠对齐区域为将每一幅图整理到相同的位置，如根据眼睛的位置将每一幅图的眼睛调节到一个空间位置上，眼睛对齐后其他区域也相应的对齐了。上述步骤通过人工智能算法能够自动实现。
智能增强建模装置用于根据目标位置上的3D影像生成所述3D初始影像。
对于3D初始影像上的目标影像点，所述选取模块用于在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
所述获取模块用于通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
为了提高影像质量，最近一帧记录的影像点质量最好，根据质量最好的一帧3D影像能够更加优化获取的影像点组。
利用上述智能增强建模装置，本实施例还提供一种智能增强建模算法，包括：
步骤100、获取一头部的若干帧的3D影像；
步骤101、利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
步骤102、根据目标位置上的3D影像生成头部的3D初始影像。
步骤103、对于3D初始影像上的目标影像点，通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配。
在步骤103中，影像点组的具体生成方式包括：
对于3D初始影像上的目标影像点，在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
步骤104、根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
本实施例的基于人工智能的智能增强建模算法及装置能够有效提高影像的质量，提供一种精细建模方式使消费级3D相机达到专业级3D拍照效果。
实施例2
本实施例与实施例1基本相同，不同之处仅在于：
本实施例提供的智能增强建模装置还包括一识别模块、一设置模块及一循环模块。
本实施例提供了具体的对齐方法，包括：
所述识别模块用于识别3D影像上的特征点；
所述调节模块用于利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置。
具体地，
所述获取模块还用于在3D影像中获取一目标3D影像；
所述识别模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点。
所述调节模块用于利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置
所述设置模块用于将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
所述循环模块用于通过所述识别模块及调节模块处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
举例来说，本实施例共获取100帧3D影像，将第一帧的3D影像设为目标3D影像。将第二帧3D影像按照第一帧调节到所述目标位置，然后将第二帧3D影像视为目标3D影像循环执行上述方法，来处理第三帧3D影像直至全部3D影像调节至所述目标位置。
参见图2，利用上述智能增强建模装置，本实施例还提供一种智能增强建模算法中调节3D影像处于目标位置的方法，包括：
步骤200、在3D影像中获取一目标3D影像；
步骤201、识别目标3D影像及目标3D影像的相邻帧影像的特征点；
步骤202、利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
步骤203、将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
步骤204、判断全部3D影像是否调节至所述目标位置，若是则结束流程，若否则返回步骤200。
在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域。
实施例3
本实施例与实施例1基本相同，不同之处仅在于：
所述智能增强建模装置包括一选取模块、一设置模块及一循环模块，
所述选取模块用于在3D影像中选取一目标3D影像；
所述识别模块用于识别目标3D影像及目标3D影像的相邻帧影像的特征点；
所述调节模块用于通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
所述识别模块还用于识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
所述循环模块用于通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
所述选取模块通过下述方式选取所述目标3D影像。
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
参见图3，本实施例提供一种智能增强建模算法中调节3D影像处于目标位置的方法，包括：
步骤301、通过一横截面截取每一帧3D影像；
步骤302、在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
步骤303、选取两个端点的切线夹角最小的3D影像为目标3D影像。
步骤304、识别目标3D影像及目标3D影像的相邻帧影像的特征点；
步骤305、通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
步骤306、识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
步骤307、通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置。
步骤308、判断全部3D影像是否调节至所述目标位置，若是则结束流程，若否则返回步骤306。
实施例4
本实施例与实施例1基本相同，不同之处仅在于：
本实施例中，所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同。所述智能增强建模装置包括一集合模块以及一拼接模块。
对于一个3D初始影像上的目标影像点，所述获取模块还用于获取目标影像点的相邻影像点；
所述生成模块还用于根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间；
集合目标影像点的全部增强影像点生成所述影像点组。
具体地，同一影像点组中的中心影像点与除中心影像点以外增强影像点均相邻。
所述拼接模块用于拼接目标影像点组与相邻影像点组；
所述调节模块还用于调节中心影像点与相邻中心影像点之间的两个增强影像点的深度信息使中心影像点、两个增强影像点及相邻中心影像点的深度信息递增或递减。
参见图4，第一中心影像点11右侧的增强影像点12与第二中心影像点13左侧的增强影像点14相邻(箭头右侧为剖面结构)，第一中心影像点的深度信息为90，第二中心影像点的深度信息为100，则两个增强影像点的深度信息介于90和100之间，且第一中心影像点、右侧的增强影像点、第二中心影像点左侧的增强影像点、第二中心影像点按深度信息递增。
两个中间增强影像点的具体深度信息可以通过人工智能根据中心影像点的位置自动获取所称弧度，如在鼻尖的弧度较大，在面部的弧度较小。
本实施例的智能增强建模算法中生成影像点组的具体步骤包括：
对于一个3D初始影像上的目标影像点，获取目标影像点的相邻影像点；
根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间；
集合目标影像点的全部增强影像点生成所述影像点组。
另外，所述根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像包括：
拼接目标影像点组与相邻影像点组；
调节中心影像点与相邻中心影像点之间的两个增强影像点的深度信息使中心影像点、两个增强影像点及相邻中心影像点的深度信息递增或递减。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种基于人工智能的智能增强建模算法，其特征在于，所述智能增强建模算法包括：
获取一头部的3D初始影像；
对于3D初始影像上的目标影像点，通过人工智能技术根据目标影像点的深度信息生成一与目标影像点对应的影像点组，所述影像点组中的每一影像点的深度信息与所述目标影像点的深度信息相匹配；
根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像。
2.如权利要求1所述的智能增强建模算法，其特征在于，所述智能增强建模算法包括：
获取一头部的若干帧的3D影像；
利用人工智能算法调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置，在所述目标位置上的3D影像中，任意相邻的两帧3D影像包括一相互对应的重叠对齐区域；
根据目标位置上的3D影像生成所述3D初始影像。
3.如权利要求2所述的智能增强建模算法，其特征在于，所述智能增强建模算法包括：
对于3D初始影像上的目标影像点，在目标位置上的3D影像中获取目标影像点距离拍摄镜头最近的一帧3D影像；
通过人工智能技术根据距离拍摄镜头最近的一帧3D影像上目标影像点的深度信息生成一与目标影像点对应的影像点组。
4.如权利要求2所述的3D人脸姿态对齐算法，其特征在于，所述3D人脸姿态对齐算法包括：
识别3D影像上的特征点；
利用人工智能算法通过对应特征点对齐来调节每一帧3D影像的空间位置使每一帧的3D影像处于目标位置。
5.如权利要求4所述的3D人脸姿态对齐算法，其特征在于，所述3D人脸姿态对齐算法包括：
获取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置；
将调节过空间位置的相邻帧影像作为目标3D影像，所述目标3D影像所在的空间位置为目标位置；
处理目标3D影像的相邻帧影像直至全部3D影像调节至所述目标位置。
6.如权利要求4所述的3D人脸姿态对齐算法，其特征在于，所述3D人脸姿态对齐算法包括：
选取一目标3D影像；
识别目标3D影像及目标3D影像的相邻帧影像的特征点；
利用人工智能算法通过对应特征点对齐来调节目标3D影像的相邻帧影像的空间位置至目标3D影像所在的空间位置，所述目标3D影像所在的空间位置为目标位置；
识别处理影像的特征点，所述处理影像为调节至目标位置的3D影像的相邻帧影像；
通过对应特征点对齐来调节处理影像的空间位置至目标3D影像所在的空间位置直至全部3D影像调节至所述目标位置。
7.如权利要求6所述的3D人脸姿态对齐算法，其特征在于，所述选取一目标3D影像包括：
通过一横截面截取每一帧3D影像；
在每一帧的截面上获取相交线的两个端点并获取两个端点的切线；
选取两个端点的切线夹角最小的3D影像为目标3D影像。
8.如权利要求1所述的智能增强建模算法，其特征在于，所述影像点组的中心影像点的深度信息与影像点组对应的目标影像点的深度信息相同，所述生成一与目标影像点对应的影像点组包括：
对于一个3D初始影像上的目标影像点，获取目标影像点的相邻影像点；
根据目标影像点与相邻影像点的深度信息生成一个目标影像点在相邻影像点方向上的增强影像点，增强影像点的深度信息介于目标影像点与相邻影像点的深度信息之间；
集合目标影像点的全部增强影像点生成所述影像点组。
9.如权利要求8所述智能增强建模算法，其特征在于，同一影像点组中的中心影像点与除中心影像点以外增强影像点均相邻，所述根据3D初始影像上的全部目标影像点对应的影像点组生成一3D增强影像包括：
拼接目标影像点组与相邻影像点组；
调节中心影像点与相邻中心影像点之间的两个增强影像点的深度信息使中心影像点、两个增强影像点及相邻中心影像点的深度信息递增或递减。
10.一种基于人工智能的智能增强建模装置，其特征在于，所述智能增强建模装置用于执行如权利要求1至9中任意一项所述的智能增强建模算法。
CN201811342665.5A 2018-11-13 2018-11-13 基于人工智能的智能增强建模方法及装置 Active CN109509262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811342665.5A CN109509262B (zh) 2018-11-13 2018-11-13 基于人工智能的智能增强建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811342665.5A CN109509262B (zh) 2018-11-13 2018-11-13 基于人工智能的智能增强建模方法及装置

Publications (2)

Publication Number Publication Date
CN109509262A true CN109509262A (zh) 2019-03-22
CN109509262B CN109509262B (zh) 2023-02-28

Family

ID=65748187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811342665.5A Active CN109509262B (zh) 2018-11-13 2018-11-13 基于人工智能的智能增强建模方法及装置

Country Status (1)

Country Link
CN (1) CN109509262B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110610487A (zh) * 2019-08-29 2019-12-24 上海杏脉信息科技有限公司 一种测量心影增大的方法与装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886611A (zh) * 2014-04-08 2014-06-25 西安煤航信息产业有限公司 一种适合于航空摄影飞行质量自动检查的影像匹配方法
US20150084955A1 (en) * 2013-09-23 2015-03-26 Beihang University Method of constructing 3d clothing model based on a single image
CN104680192A (zh) * 2015-02-05 2015-06-03 国家电网公司 一种基于深度学习的电力图像分类方法
CN108347505A (zh) * 2018-02-07 2018-07-31 盎锐（上海）信息科技有限公司 具有3d成像功能的移动终端及影像生成方法
CN108600729A (zh) * 2018-03-30 2018-09-28 盎锐（上海）信息科技有限公司 动态3d模型生成装置及影像生成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150084955A1 (en) * 2013-09-23 2015-03-26 Beihang University Method of constructing 3d clothing model based on a single image
CN103886611A (zh) * 2014-04-08 2014-06-25 西安煤航信息产业有限公司 一种适合于航空摄影飞行质量自动检查的影像匹配方法
CN104680192A (zh) * 2015-02-05 2015-06-03 国家电网公司 一种基于深度学习的电力图像分类方法
CN108347505A (zh) * 2018-02-07 2018-07-31 盎锐（上海）信息科技有限公司 具有3d成像功能的移动终端及影像生成方法
CN108600729A (zh) * 2018-03-30 2018-09-28 盎锐（上海）信息科技有限公司 动态3d模型生成装置及影像生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩天庆等: "空间约束的无人机影像SURF特征点匹配", 《中国图象图形学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110610487A (zh) * 2019-08-29 2019-12-24 上海杏脉信息科技有限公司 一种测量心影增大的方法与装置

Also Published As

Publication number Publication date
CN109509262B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
Fischer et al. Rt-gene: Real-time eye gaze estimation in natural environments
US11423556B2 (en) Methods and systems to modify two dimensional facial images in a video to generate, in real-time, facial images that appear three dimensional
KR102003015B1 (ko) 광류를 사용한 중간 뷰의 생성
Wei et al. Fisheye video correction
DE112020003794T5 (de) Tiefenbewusste Fotobearbeitung
US20220284679A1 (en) Method and apparatus for constructing three-dimensional face mesh, device, and storage medium
EP4293574A2 (en) Adjusting a digital representation of a head region
TW202004679A (zh) 影像特徵提取方法及包含其顯著物體預測方法
US20180357819A1 (en) Method for generating a set of annotated images
CN109191366B (zh) 基于人体姿态的多视角人体图像合成方法及装置
CN104599317A (zh) 一种实现3d扫描建模功能的移动终端及方法
JP7479729B2 (ja) 三次元表現方法及び表現装置
CA3173542A1 (en) Techniques for re-aging faces in images and video frames
CN112749611A (zh) 人脸点云模型生成方法及装置、存储介质、电子设备
Wang et al. Digital twin: Acquiring high-fidelity 3D avatar from a single image
CN114120068A (zh) 图像处理方法、装置、电子设备、存储介质及计算机产品
CN109509262A (zh) 基于人工智能的智能增强建模算法及装置
Stavrakis et al. Image-based stereoscopic painterly rendering
KR101513931B1 (ko) 구도의 자동보정 방법 및 이러한 구도의 자동보정 기능이 탑재된 영상 장치
TW201342308A (zh) 基於結合來自多個照相機之影像之影像增強
CN109360270A (zh) 基于人工智能的3d人脸姿态对齐算法及装置
WO2022022260A1 (zh) 图像风格迁移方法及其装置
CN109587469A (zh) 基于人工智能识别的影像处理方法及装置
CN109151444A (zh) 3d智能像素增强引擎
CN117315152B (zh) 双目立体成像方法及其系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230105

Address after: 200120 room 607, building 2, No. 2555, xiupu Road, Pudong New Area, Shanghai

Applicant after: SHANGHAI ONWING INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 201703 No.206, building 1, no.3938 Huqingping Road, Qingpu District, Shanghai

Applicant before: UNRE (SHANGHAI) INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230725

Address after: 201703 Room 2134, Floor 2, No. 152 and 153, Lane 3938, Huqingping Road, Qingpu District, Shanghai

Patentee after: Shanghai Qingyan Heshi Technology Co.,Ltd.

Address before: 200120 room 607, building 2, No. 2555, xiupu Road, Pudong New Area, Shanghai

Patentee before: SHANGHAI ONWING INFORMATION TECHNOLOGY Co.,Ltd.