CN117496059B - 基于空间算法利用aigc技术的三维影像系统 - Google Patents
基于空间算法利用aigc技术的三维影像系统 Download PDFInfo
- Publication number
- CN117496059B CN117496059B CN202311452533.9A CN202311452533A CN117496059B CN 117496059 B CN117496059 B CN 117496059B CN 202311452533 A CN202311452533 A CN 202311452533A CN 117496059 B CN117496059 B CN 117496059B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- model
- image
- dimensional image
- standard model
- 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.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 230000005477 standard model Effects 0.000 claims abstract description 84
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000010191 image analysis Methods 0.000 claims abstract description 9
- 239000003550 marker Substances 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于空间算法利用AIGC技术的三维影像系统，涉及三维影像技术领域，包括图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块；所述图像获取模块用于获取二维图像；该基于空间算法利用AIGC技术的三维影像系统，通过设置图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块，在导入二维图像时，分析二维图像与标准模型库中各数据的相似度，自动为与标准模型库中相似度高的部分匹配对应的标准模型，再将该部分的图像通过UV贴图技术贴到标准模型上完成三维建模，再根据二维图像中三维建模的部分计算剩余部分三维坐标，实现二维到三维的转化，从而呈现出三维影像。
Description
技术领域
本发明涉及三维影像技术领域，具体涉及基于空间算法利用AIGC技术的三维影像系统。
背景技术
为了提高用户对视频影响的显示效果，现在通常会将二维画面转换成三维画面显示，提高的画面的立体感和真实性。
空间算法一般指空间分析算法，空间分析算法通过研究地理空间数据及其相应分析理论、方法和技术，探索、证明地理要素之间的关系，揭示地理特征和过程的内在规律和机理，实现对地理空间信息的认知、解释，预测和调控。空间分析算法有平面扫描算法、空间拓扑分析算法、凸包的算法、Voronoi图算法和最短路径算法等。
生成式人工智能——AIGC(ArtificialIntelligence GeneratedContent)，是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。AIGC技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习，AIGC可以根据输入的条件或指导，生成与之相关的内容。例如，通过输入关键词、描述或样本，AIGC可以生成与之相匹配的文章、图像、音频等。
UV贴图，"UV"这里是指u，v纹理贴图坐标的简称(它和空间模型的X,Y,Z轴是类似的)，它定义了图片上每个点的位置的信息，这些点与3D模型是相互联系的,以决定表面纹理贴图的位置.UV就是将图像上每一个点精确对应到模型物体的表面，在点与点之间的间隙位置由软件进行图像光滑插值处理。用于将二维图像贴到3D模型的表面。
一般在生成三维影响的过程中通常需要利用到空间算法和AIGC技术，将二维图像中的二维坐标转换成三维空间中的三维坐标，并通过AIGC技术的预训练模型实现二维图像到三维模型的转换，如公开号为CN116320360A的发明专利，公开了一种三维影像系统，包括摄像装置，摄像装置具有红外光点阵投射器、红外光摄像器及可见光摄像器；摄像装置对外部物体进行环绕拍摄时，红外光摄像器用于接收被外部物体的外表面反射的红外光点阵投射器发射出的红外光点，以取得外部物体的外表面各处的深度数据，可见光摄像器用于接收被外部物体的外表面反射的可见光，以取得外部物体的周侧外表面的各处的色彩数据，以及摄像装置用于结合运算深度数据及色彩数据，以取得外部物体的外表面的三维彩色影像数据。提供能够准确真实地将所拍摄物体的三维特征进行还原和展示，在3D影像和3D视觉通讯领域具有重要的实际应用价值。
然而上述现有技术仅可在进行实景拍摄时，通过激光测距获取拍摄景物的三维数据从而生成三维图像，还存在无法将已经拍摄好的二维图像转换成三维图像的问题。
发明内容
本发明的目的是提供基于空间算法利用AIGC技术的三维影像系统，以解决现有技术中的上述不足之处。
为了实现上述目的，本发明提供如下技术方案：基于空间算法利用AIGC技术的三维影像系统，包括图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块；
所述图像获取模块用于获取二维图像；
所述标准模型库内储存有各种目标物的各种型号标准模型，所述目标物包括物体、人体，其中各种型号标准模型表示每种目标物有多种不同的型号的标准模型，比如目标物为物体中的车时，不同的标准模型指不同车型的标准模型；目标物为人体时，不同的标准模型指不同性别及不同体型的人体；其中对于不同型号仅存在体积大小不同，且相互之间为等比例放大或缩小的关系的，仅选择其中一个的标准模型储存到标准模型库中；所述标准模型库内还储存有各种目标物的彩色图像；
所述图像分析模块用于对获取的所述二维图像进行分析，基于所述标准模型库识别所述二维图像中的目标物，并进行标记、提取，得到标记物；其中进行分析时可基于AIGC，将标准模型库中的标准模型的各角度的图像和各种目标物的彩色图像作为先验信息，二维图像作为输入，从而识别出二维图像中与标准模型的某一角度的图像或某一目标物的彩色图像相似的部分作为目标物；
其中AIGC在使用前均使用相关的数据进行训练，以提高输出的准确性；
所述模型匹配生成模块用于将所述标记物与标准模型库中的对应目标物的对应型号的标准模型匹配，并基于UV贴图技术将所述目标物对应的二维图像贴到与该目标匹配的标准模型表面，生成与所述目标物对应的三维模型；
所述三维场景生成模块获取场景图像，根据所述三维模型对应的目标物在二维图像中的位置和大小，分析出场景图像的长、宽、高方向，基于场景图像及其长、宽、高方向生成三维场景模型，所述场景图像为图像获取模块获取的二维图像提取目标物后剩余的二维图像，其中可基于姿态估计算法识别目标物的长宽高方向，并以目标物的长宽高为基准确定场景图像的长宽高方向，同时结合目标物的尺寸，计算场景图像各处的长度、坐标，然后将场景图像的各处按坐标“贴到”三维坐标系的对应位置。
进一步的，所述图像获取模块还用于获取二维视频，并将二维视频转换成二维图像，可通过二维视频拆分成帧的方式将二维视频转换成二维图像。
进一步的，所述目标物为人体时，其标准模型包括各型号的躯体模型和各型号的面部模型，其中各型号的躯体模型代表不同体型的人体，各型号的面部模型代表不同的脸型。
进一步的，所述模型匹配生成模块将所述标记物与标准模型库中的对应目标物的对应型号的标准模型匹配时，具体包括：
通过图像识别算法分析标记物与标准模型的各角度的平面图像的相似度，确定的标记物匹配的标准模型；
将与标记物匹配的标准模型复制提取出来，得到目标模型；
将所述标记物对应的二维图像，并将所述目标模型调整至与标记物对应的二维图像的角度；即从调整后的该角度看目标模型与标记物对应的二维图像姿态相同；
基于UV贴图技术将所述标记物对应的二维图像，作为贴图贴到调整角度后的目标模型表面；
基于AIGC，分析所述标记物对应的二维图像和目标模型，将所述目标模型表面的贴图补齐，其中可将标准模型库内储存的各种目标物的彩色图像作为先验信息输入AIGC中，方便AIGC在输入的先验信息中检索与目标模型及其表面贴图相符的图像贴到目标模型上，将其表面贴图补齐，且AIGC在补齐贴图时可检索多张图像拼合后贴到目标模型上。
进一步的，所述系统还包括模型调整模块，通过所述模型调整模块对所述目标模型及其上贴图进行人工调整；
进一步的，所述模型调整模块还用于人工通过模型调整模块在所述场景图像中选取图像生成目标物，并选择或导入模型与之匹配。
进一步的，所述系统还包括数据更新模块，所述数据更新模块用于将人工调整后的目标模型及其上贴图更新到所述标准模型库中，用于扩充AIGC的先验信息，使得使用AIGC对目标模型补齐贴图，在二维图像中提取目标物时可更加精准。
与现有技术相比，本发明提供的基于空间算法利用AIGC技术的三维影像系统，通过设置图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块，建立大量的各类物体、人体的图片，及对应标准模型的标准模型库，实现在导入二维图像时，分析二维图像与标准模型库中各数据的相似度，自动为与标准模型库中相似度高的部分匹配对应的标准模型，再将该部分的图像通过UV贴图技术贴到标准模型上完成三维建模，再根据二维图像中三维建模的部分计算剩余部分三维坐标，实现二维到三维的转化，从而呈现出三维影像。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的系统结构框图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。因此，实施例不限于附图中所示的实施例，而是包括基于制造工艺而形成的配置的修改。因此，附图中例示的区具有示意性属性，并且图中所示区的形状例示了元件的区的具体形状，但并不旨在是限制性的。
除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
请参阅图1，基于空间算法利用AIGC技术的三维影像系统，包括图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块；
图像获取模块用于获取二维图像；可通过与网络对接，或与各种摄像、播放设备等对接，获取二维图像。图像获取模块还用于获取二维视频，并将二维视频转换成二维图像，可通过二维视频拆分成帧的方式将二维视频转换成二维图像。
标准模型库内储存有各种目标物的各种型号标准模型，目标物包括物体、人体，其中各种型号标准模型表示每种目标物有多种不同的型号的标准模型，比如目标物为物体中的车时，不同的标准模型指不同车型的标准模型；目标物为人体时，不同的标准模型指不同性别及不同体型的人体；其中对于不同型号仅存在体积大小不同，且相互之间为等比例放大或缩小的关系的，仅选择其中一个的标准模型储存到标准模型库中；标准模型库内还储存有各种目标物的彩色图像。当目标物为人体时，其标准模型包括各型号的躯体模型和各型号的面部模型，其中各型号的躯体模型代表不同体型的人体，各型号的面部模型代表不同的脸型。
图像分析模块用于对获取的二维图像进行分析，基于标准模型库识别二维图像中的目标物，并进行标记、提取，得到标记物；其中进行分析时可基于AIGC，将标准模型库中的标准模型的各角度的图像和各种目标物的彩色图像作为先验信息，二维图像作为输入，从而识别出二维图像中与标准模型的某一角度的图像或某一目标物的彩色图像相似的部分作为目标物。其中AIGC在使用前均使用相关的数据进行训练，以提高输出的准确性。
模型匹配生成模块用于将标记物与标准模型库中的对应目标物的对应型号的标准模型匹配，并基于UV贴图技术将目标物对应的二维图像贴到与该目标匹配的标准模型表面，生成与目标物对应的三维模型；模型匹配生成模块将标记物与标准模型库中的对应目标物的对应型号的标准模型匹配时，具体包括：
a1、通过图像识别算法分析标记物与标准模型的各角度的平面图像的相似度，确定的标记物匹配的标准模型；
a2、将与标记物匹配的标准模型复制提取出来，得到目标模型；
a3、将标记物对应的二维图像，并将目标模型调整至与标记物对应的二维图像的角度；即从调整后的该角度看目标模型与标记物对应的二维图像姿态相同；
a4、基于UV贴图技术将标记物对应的二维图像，作为贴图贴到调整角度后的目标模型表面；若目标物为人体则在UV贴图时则对人体的面部进行清晰处理后再将面部图像贴到人体的面部模型上，保证将人体三维模型面部的清晰。
a5、基于AIGC，分析标记物对应的二维图像和目标模型，将目标模型表面的贴图补齐，其中可将标准模型库内储存的各种目标物的彩色图像作为先验信息输入AIGC中，方便AIGC在输入的先验信息中检索与目标模型及其表面贴图相符的图像贴到目标模型上，将其表面贴图补齐，且AIGC在补齐贴图时可检索多张图像拼合后贴到目标模型上。
三维场景生成模块获取场景图像，根据三维模型对应的目标物在二维图像中的位置和大小，分析出场景图像的长、宽、高方向，基于场景图像及其长、宽、高方向生成三维场景模型，场景图像为图像获取模块获取的二维图像提取目标物后剩余的二维图像，其中可基于姿态估计算法识别目标物的长宽高方向，并以目标物的长宽高为基准确定场景图像的长宽高方向，同时结合目标物的尺寸，计算场景图像各处的长度、坐标，然后将场景图像的各处按坐标“贴到”三维坐标系的对应位置。
系统还包括模型调整模块，通过模型调整模块对目标模型及其上贴图进行人工调整；模型调整模块还用于人工通过模型调整模块在场景图像中选取图像生成目标物，并选择或导入模型与之匹配。其中导入的模型由数据更新模块将其作为标准模型保存到标准模型库中。
系统还包括数据更新模块，数据更新模块用于将人工调整后的目标模型及其上贴图更新到标准模型库中，这里调整后的模型包括了模型调整模块导入的模型，用于扩充AIGC的先验信息，使得使用AIGC对目标模型补齐贴图，在二维图像中提取目标物时可更加精准。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (6)
1.基于空间算法利用AIGC技术的三维影像系统，其特征在于：包括图像获取模块、标准模型库、图像分析模块、模型匹配生成模块、三维场景生成模块；
所述图像获取模块用于获取二维图像；
所述标准模型库内储存有各种目标物的各种型号标准模型，所述目标物包括物体、人体；所述标准模型库内还储存有各种目标物的彩色图像；
所述图像分析模块用于对获取的所述二维图像进行分析，基于所述标准模型库识别所述二维图像中的目标物，并进行标记、提取，得到标记物；
所述模型匹配生成模块用于将所述标记物与标准模型库中的对应目标物的对应型号的标准模型匹配，并基于UV贴图技术将所述目标物对应的二维图像贴到与该目标匹配的标准模型表面，生成与所述目标物对应的三维模型；
所述三维场景生成模块获取场景图像，根据所述三维模型对应的目标物在二维图像中的位置和大小，分析出场景图像的长、宽、高方向，基于场景图像及其长、宽、高方向生成三维场景模型，所述场景图像为图像获取模块获取的二维图像提取目标物后剩余的二维图像；
所述模型匹配生成模块将所述标记物与标准模型库中的对应目标物的对应型号的标准模型匹配时，具体包括：
通过图像识别算法分析标记物与标准模型的各角度的平面图像的相似度，确定的标记物匹配的标准模型；
将与标记物匹配的标准模型复制提取出来，得到目标模型；
将所述标记物对应的二维图像，并将所述目标模型调整至与标记物对应的二维图像的角度；
基于UV贴图技术将所述标记物对应的二维图像，作为贴图贴到调整角度后的目标模型表面；
基于AIGC，分析所述标记物对应的二维图像和目标模型，将所述目标模型表面的贴图补齐。
2.根据权利要求1所述的基于空间算法利用AIGC技术的三维影像系统，其特征在于：所述图像获取模块还用于获取二维视频，并将二维视频转换成二维图像，通过二维视频拆分成帧的方式将二维视频转换成二维图像。
3.根据权利要求1所述的基于空间算法利用AIGC技术的三维影像系统，其特征在于：所述目标物为人体时，其标准模型包括各型号的躯体模型和各型号的面部模型。
4.根据权利要求1所述的基于空间算法利用AIGC技术的三维影像系统，其特征在于：所述系统还包括模型调整模块，通过所述模型调整模块对所述目标模型及其上贴图进行人工调整。
5.根据权利要求4所述的基于空间算法利用AIGC技术的三维影像系统，其特征在于：所述模型调整模块还用于人工通过模型调整模块在所述场景图像中选取图像生成目标物，并选择或导入模型与之匹配。
6.根据权利要求5所述的基于空间算法利用AIGC技术的三维影像系统，其特征在于：所述系统还包括数据更新模块，所述数据更新模块用于将人工调整后的目标模型及其上贴图更新到所述标准模型库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311452533.9A CN117496059B (zh) | 2023-11-03 | 2023-11-03 | 基于空间算法利用aigc技术的三维影像系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311452533.9A CN117496059B (zh) | 2023-11-03 | 2023-11-03 | 基于空间算法利用aigc技术的三维影像系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117496059A CN117496059A (zh) | 2024-02-02 |
| CN117496059B true CN117496059B (zh) | 2024-04-12 |
Family
ID=89670205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311452533.9A Active CN117496059B (zh) | 2023-11-03 | 2023-11-03 | 基于空间算法利用aigc技术的三维影像系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117496059B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
| WO2022062135A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳先进技术研究院 | 一种枪支及散件三维模型数据库的建立方法及数据库系统 |
| WO2023138471A1 (zh) * | 2022-01-24 | 2023-07-27 | 阿里巴巴（中国）有限公司 | 三维场景渲染方法、设备以及存储介质 |
-
2023
- 2023-11-03 CN CN202311452533.9A patent/CN117496059B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020140832A1 (zh) * | 2019-01-04 | 2020-07-09 | 北京达佳互联信息技术有限公司 | 人脸三维重建方法、装置、电子设备及存储介质 |
| WO2022062135A1 (zh) * | 2020-09-23 | 2022-03-31 | 深圳先进技术研究院 | 一种枪支及散件三维模型数据库的建立方法及数据库系统 |
| WO2023138471A1 (zh) * | 2022-01-24 | 2023-07-27 | 阿里巴巴（中国）有限公司 | 三维场景渲染方法、设备以及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于视频数据与三维模型的虚拟场景生成;宋田茹;童立靖;李思哲;高思琨;;电子技术与软件工程;20181213(23);第183-184页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117496059A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108717712B (zh) | 一种基于地平面假设的视觉惯导slam方法 | |
| CN110675418B (zh) | 一种基于ds证据理论的目标轨迹优化方法 | |
| CN108053437B (zh) | 基于体态的三维模型获取方法及装置 | |
| WO2022165809A1 (zh) | 一种训练深度学习模型的方法和装置 | |
| JP6338595B2 (ja) | モバイルデバイスベースのテキスト検出および追跡 | |
| CN105279750B (zh) | 一种基于ir-uwb和图像矩的装备展示导览系统 | |
| CN113822977A (zh) | 图像渲染方法、装置、设备以及存储介质 | |
| CN113689540B (zh) | 基于rgb视频的物体重建方法和装置 | |
| KR100560464B1 (ko) | 관찰자의 시점에 적응적인 다시점 영상 디스플레이 시스템을 구성하는 방법 | |
| CN110517211B (zh) | 一种基于梯度域映射的图像融合方法 | |
| CN106991378A (zh) | 基于深度的人脸朝向检测方法、检测装置和电子装置 | |
| CN114761997A (zh) | 目标检测方法、终端设备和介质 | |
| CN114766042A (zh) | 目标检测方法、装置、终端设备及介质 | |
| CN116030519A (zh) | 一种直播教学平台的学习注意力检测与评估方法 | |
| CN110796699B (zh) | 多目相机系统的最优视角选择方法和三维人体骨骼检测方法 | |
| KR20210147626A (ko) | 경쟁적 학습을 이용한 3차원 얼굴 이미지 합성 장치 및 방법 | |
| CN113822174B (zh) | 视线估计的方法、电子设备及存储介质 | |
| CN113673567A (zh) | 基于多角度子区域自适应的全景图情感识别方法及系统 | |
| CN117496059B (zh) | 基于空间算法利用aigc技术的三维影像系统 | |
| CN113065506A (zh) | 一种人体姿态识别方法及系统 | |
| CN116843867A (zh) | 增强现实虚实融合方法、电子设备和存储介质 | |
| CN111629194B (zh) | 一种基于神经网络的全景视频转6dof视频的方法及系统 | |
| CN114935316A (zh) | 基于光学跟踪与单目视觉的标准深度图像生成方法 | |
| CN113269876A (zh) | 地图点坐标优化方法及装置、电子设备及存储介质 | |
| CN112416124A (zh) | 舞蹈姿势反馈方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |