基于姿势引导下的虚拟试穿网络

针对现有的基于姿势引导下的虚拟试穿方法存在着服装纹理过度变形、生成的图像出现遮挡等问题,提出了一种基于姿势引导下的虚拟试穿网络(pose-guidedvirtualtry-on network,PG-VTON).首先,使用基于U-Net的网络对人物图像进行姿势转换,生成目标姿势下的人物解析图,引入信息增强模块提高解析图的准确性,减少试穿中的错误遮挡;然后,通过薄板样条变换(thin platespline,TPS)方法将目标服装变形为与人物身体相贴合的形状,引入网格变形约束项来保留目标服装的纹理和细节特征;最后,将解析图和变形服装结合起来,生成最终的虚拟试穿图像.实验结果表明,该方法不仅比Downto(downtothelast detail)网络试穿图像的平均结构相似性(structural similarity,SSIM)提高了2.83%,初始得分(inception score,IS)提高了6.74%,与其他最新的虚拟试穿方法相比减少了试穿过程中的错误遮挡,能生成更加清晰真实的结果.

基于循环多尺度卷积混合器的老电影修复方法研究

本文针对老电影序列的多种损伤及混合退化问题,提出一种循环结构的卷积混合器网络,可通过深度学习技术自动修复老电影中的受损画面。该网络包括时间融合模块和空间恢复模块,其中,时间融合模块通过比对相邻帧的特征来定位当前帧的损伤,并使用光流引导相邻帧填补当前帧的受损区域,空间恢复模块使用多尺度卷积混合器来处理融合后的时间信息,实现对老电影画面的逐帧修复。此外,本文构建了一个用于模拟老电影损伤的数据集,通过损伤纹理模拟老电影非结构化损伤,设计退化模型模拟老电影的结构化损伤。实验结果表明,该方法可以同时保证老电影单帧修复的质量以及整体的时间一致性。

基于NeRF的3D场景动画风格迁移及其技术美学价值研究

针对传统3D动画场景建模技术存在操作困难,相关行业对3D模型需求量大、计算机硬件要求较高等诸多问题,本文提出一种改进的神经辐射场(NeRF)技术,通过对拍摄影像进行3D重构,进而完成动画风格迁移,借此形成独特3D动画场景艺术效果的解决方案。作为一种新颖的3D重建方法,NeRF受到计算机图像合成领域广泛关注。本文将NeRF引入3D场景动画制作中,在验证本方案可行性与科学性的同时,也为3D动画场景创建提供新思路,充实技术美学价值。

基于视点的大规模点云数据实时预测调度策略

针对海量数据难以实时渲染的问题,提出基于视点的大规模点云数据实时预测调度策略——"5-5-5"动态调度策略。对整个三维点云进行"分区-子块化"处理,经过多分辨率压缩后保存到服务器端的数据库中。客户端根据视点的变化和菱形调度规则对子块数据进行内外存动态调度并实时绘制,同时向服务器发送传输新数据的请求。实验证明,该算法能有效解决漫游过程中的"抖动"现象,减少单次向服务器请求传输的数据量,实现漫游显示的连续性和平滑性。

基于交互历史的三维家居个性化推荐与虚拟展示

为了满足家居设计的个性化需求,将个性化推荐算法引入移动交互式三维家居个性化设计系统中,提出了基于交互历史的协同过滤推荐算法.首先,分析了用户的历史交互行为,构建了一个新的用户兴趣度量度模型,将用户的交互行为转换成用户兴趣度矩阵.然后,综合考虑了家具单品的时效性和资源关联特性,并将这两种特性引入协同过滤推荐算法的生成推荐过程中,以提高推荐质量.最后,将系统推荐的家具单品应用到三维虚拟家居设计场景中,通过对场景个性化编辑与虚拟展示,完成家居的个性化设计.实验结果表明,该方法是可行的,能有效提高推荐质量,具有较好的用户体验和视觉效果.

基于角点及局部特征的饮料瓶识别方法

将机器视觉技术引入饮料瓶自动回收系统中.针对饮料瓶(PET材质)自身的特点,基于局部特征及几何不变性,采用一种亚像素级精度的角点提取方法,定义以角点为中心的左右曲线夹角及其符号作为饮料瓶的特征值,并提出基于"块"的快速匹配算法.实验结果表明,该算法具有较好的稳定性和可区分性,算法识别率高、速度快,能很好地满足饮料瓶自动识别回收的准确性和实时性要求.

基于混合特征的电影评分预测系统

电影评分是衡量一部电影优劣的重要标准,对于投资商和观影者极具参考价值,因此电影评分的预测成为电影领域的研究热点。然而目前的评分预测系统由于特征信息不足,特征工程处理方法过于简单,机器学习算法较为单一,所以预测误差偏大。针对这一问题,结合自然语言处理技术提出一种基于混合特征的预测模型,并应用到电影评分预测系统中。数据集来源是某常用电影网站,同时为了获取更好的训练数据,需要对电影特征信息进行复杂的特征工程处理。利用训练完成的Bert模型矢量化电影数据集中的文本信息得到文本矢量特征,并采用支持向量机(SVM)算法初步训练预测评分。将该评分作为一维新特征和电影特征信息一起通过随机森林(random forest)算法训练预测最终评分。实验结果表明,该预测模型是可行的,预测值与真实值的误差较小,准确性显著提升。

三维虚拟家居设计系统若干关键技术研究

针对市场上现有家居设计软件交互性和可操作性不强、重漫游轻设计等问题,我们开发了一个三维虚拟家居设计系统。通过对虚拟现实在家居环境设计方面若干关键技术研究,如3D模型的绘制与管理、纹理映射与反走样、碰撞检测等,提出了改进的Mip-map算法、基于AABB包围盒的碰撞检测改进算法。实验表明,改进后的算法在纹理反走样效果、场景渲染效率、碰撞检测响应速度和精度等方面都有较为明显的提高。

基于手绘草图的感兴趣漫游路径快速生成算法

结合智能终端的触摸交互的特点,提出了基于手绘草图的感兴趣漫游路径快速生成算法,并应用于移动三维交互式虚拟展示系统。该算法通过特征点自适应精简方法对草图曲线特征点进行优化,解决特征点局部过多的问题;采用分段曲线拟合的办法处理草图路线经过障碍物的情况,快速生成光滑的避障路线,并通过误差控制使得最终的漫游路径尽可能地逼近手绘草图。实验结果表明,该算法自动生成的用户感兴趣漫游路径使得整个虚拟漫游过程的方位、速度和视角变化过渡自然,具有较好的稳定性和实时性。

基于多特征的视频镜头检测方法

针对视频镜头边缘检测准确率低的问题,提出了一种新的基于多特征的视频镜头检测算法。首先按时序读取多帧图像,并转换为灰度图;进一步将帧图像均匀分块,计算每个图像块的平均梯度,构造视频动态纹理;比较相邻帧视频动态纹理的相关性及两帧SIFT特征的匹配程度,根据匹配结果得出预检测结果;接下来与步长低于人眼刷新频率的下一帧动态纹理及SIFT特征相比较,得到最终的结果。通过对多组不同类型的视频数据进行实验,均能取得较高的召回率和准确率。该文算法对结构较复杂的渐变镜头进行检测,也能取得较高的检测准确率和召回率。

基于改进JPS算法的电影群体动画全局路径规划

目前,电影场景中的群体动画路径一般是静态设置的,以镜头拍摄效果为主,因而存在路径不连续、动画制作效率低等问题.提出一种新的电影群体动画全局路径规划算法,在跳点搜索(jump-point search, JPS)算法的基础上引入Bezier曲线和群体密度信息进行路径编辑和优化.首先,采用JPS算法自动生成群体运动路径,得到可编辑的路径节点作为Bezier曲线的控制点,并利用Bezier曲线对路径进行调整,解决路径中存在的折线、偏转角度大、不平滑等问题.然后,在JPS算法规划好的路径节点上设置群体密度信息,并根据密度信息调整智能体的速度以及运动方向,解决群体运动堵塞和个体碰撞问题.实验结果证实了该算法的可行性,在保证镜头效果的情况下,能够逼真地模拟大规模群体运动,大大提高了群体动画运动路径的制作效率,适用于各种复杂电影场景.

基于多尺度纹理能量测度的单幅图像深度估计

为了更好地描述纹理渐变线索与场景深度间的关系,提出了一种基于多尺度纹理能量测度的深度估计算法。采用具有旋转不变性的纹理能量测度方法捕捉多个尺度下场景图像的纹理能量,再分析各尺度下纹理能量的变化规律,得到用于估计纹理区域相对深度的算法。实验结果表明,该算法对近似同分布的非结构化纹理区域的深度估计具有较好效果。

基于多自主智能体的电影混战群体仿真

群体动画一直是电影制作领域具有挑战性的研究热点.针对目前电影混战场景数字化仿真存在的运动模式单一、真实感较差、工作量大等问题,提出基于多自主智能体的电影混战群体仿真方法.首先,根据场景规模和角度智能划分作战区域,并建立相应的局部KD树(K-dimension tree);然后,在个体角色具有视觉感知、避障、逃避、智能调用动作数据等行为的基础上,对混战场景中的群体角色进行智能控制,实现群体聚集、追随、智能搜索攻击目标等行为.实验结果表明,该方法是可行的,能够较好地模拟电影混战场景中复杂的多角色智能运动,且具有较高的逼真度.

基于四叉树和边界不变矩的图像检索

为使四叉树算法在图像检索领域中得到有效应用,分析基于内容的图像检索对目标物体形状的需求,提出一种基于四叉树和边界不变矩的图像检索方法,构建图像检索系统,并选取5种不同类型的图像进行分组实验。仿真实验结果表明,该方法简单有效、复杂度低,能够提高图像的检索效率。

基于Voronoi图的群体队形控制方法

影视作品中采用群体队形控制技术来制作大量角色处于某种队形运动的场景,但许多群体队形技术往往侧重于对自由移动的个体角色进行控制,而忽视了对队形运动的整体控制,导致场景画面缺乏美感性、整体性和条理性。针对这些问题,提出了基于Voronoi图的群体队形控制方法。首先,将群体队形进行Voronoi图空间划分,建立一个包含所有智能体的队形网格;然后,提出一种新的群体队形形变算法,采用人工势能场和相对速度障碍法进行合理避障,再结合弹簧系统使群体队形在形变过程中尽可能保持整体稳定;最后,采用Lloyd算法快速恢复到目标队形。实验结果表明,该方法可以很好地模拟群体队形变换运动,适用各种复杂场景,具有美感、整体、条理的队形变换效果。

图像检索技术在喷涂件表面质量检测中的应用

针对生产线喷涂件表面喷涂质量检测问题,设计了基于多特征的图像检索系统,用来检测喷涂件表面喷涂效果.基于图像的SIFT特征、纹理、颜色直方图构建图像检索系统;通过CCD图像传感器获取样例图像作为查询样本,由在线获取的图像流构成图像库,定义相似度函数及阈值,在图像流中查找是否存在满足阈值的图像.通过仿真实验表明:该方法能较准确地检测出生产线中的残次产品,为喷涂产品表面质量检测提供一个新的思路.

智能虚拟试穿系统的设计与实现

虚拟试穿在计算机领域和服装行业中都引起广泛关注,传统的虚拟试穿方法耗费大量计算人工成本和计算资源,研究人员将深度学习技术和虚拟试穿相结合出现了一些专业的虚拟试穿系统,但是这类系统比较关注于用户在目标服装下的试穿准确度,忽略了用户在不同姿势下的试穿效果。设计并实现智能虚拟试穿系统,旨在让用户可以选择不同的姿势,生成不同角度下的试穿效果。系统采用Django开发框架,通过调用之前提出的新的基于姿势引导下的虚拟试穿模型,实现不同姿势下的虚拟试穿,为用户在线上试穿提供更直观、更全面的结果;结合Vue框架实现前后端功能,存储并管理用户的相关数据。

基于深度学习的电影数字修复系统研究

电影智能化升级是电影产业发展的必然趋势,为探索人工智能技术在影像保护领域中的应用,本文基于生成式对抗网络(GAN)、Transformer等深度学习模型,研究去污损、缺失补全等电影修复算法,通过搭建智能化修复平台,实现电影序列去闪烁、去抖动、去噪、去污损、缺失补全、超分辨率增强、帧率提升、黑白上色等功能。实验表明,本文研发的系统能够有效实现电影的智能修复。

增强现实系统中基于先验知识的虚拟抓取识别

为了实现增强现实系统中抓取动作的识别,针对传统方法实时性不强、容易产生误判的不足,提出了基于先验知识的虚拟抓取识别算法。通过对大量实验数据的分析,提取关键数据进行处理并完成决策树的构建,通过基于一种数据拟合的碰撞检测方法,真正实现了真实手对虚拟对象的抓取识别。实验结果表明:该算法识别率高、实时性好、交互自然真实,较好地满足了增强现实系统中抓取交互的需求。

基于相对变分的边缘检测

边缘检测是机器视觉与图像理解中的基础问题,准确地提取轮廓有助于提高后续操作的质量和效率。在深入分析图像纹理结构、噪声及细胞神经网络算法(cellular neural network,CNN)的基础上提出一种基于相对变分正则化的细胞神经网络边缘检测方法。首先采用相对变分正则化的方法将图像的纹理进行平滑,去除纹理以及噪声对边缘提取的影响;然后再用标准的细胞神经网络算法对平滑后的图像进行边缘检测。实验结果表明:算法与Canny、CDCNN等算法相比,在没有重新设计新的复杂CNN模板参数的情况下,针对具有复杂纹理及含有一定量噪声的图片进行边缘检测,算法能得到更好的检测结果。