申请/专利权人：北京邮电大学

申请日：2022-06-10

公开（公告）日：2022-09-23

公开（公告）号：CN115100223A

主分类号：G06T7/12

分类号：G06T7/12;G06T7/13;G06T5/00;G06T3/40;G06N3/04;G06V10/774;G06V10/82;G06V20/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开了一种基于深度时空学习的高分辨率视频虚拟人物抠像方法，该方法包括：将视频数据输入至训练好的抠像网络模型进行虚拟人物图像遮罩提取，基于视频数据通过时空编解码模型得到第一输出数据，基于第一输出数据通过细节提取模型得到第二输出数据，基于第二输出数据通过语义信息融合模型输出得到视频数据的虚拟人物遮罩图像；其中，第一输出数据包括高分辨率遮罩图像、低分辨率遮罩图像、高分辨率编码特征和低分辨率编码特征；第二输出数据包括高分辨率细节遮罩图像和低分辨率细节遮罩图像。本发明解决现有方法对视频中虚拟人物提取方面的效果差，难以处理好微小细节，且处理高分辨率视频时不能做到实时处理和出现闪烁伪影坏帧的问题。

主权项：1.一种基于深度时空学习的高分辨率视频虚拟人物抠像方法，其特征在于，包括：实时采集视频数据；其中，所述视频数据包括待提取的虚拟人物遮罩图像；将所述视频数据输入至训练好的抠像网络模型进行虚拟人物图像遮罩提取，其中，所述抠像网络模型包括时空编解码模型、细节提取模型和语义信息融合模型；基于所述视频数据通过所述时空编解码模型得到第一输出数据，基于所述第一输出数据通过所述细节提取模型得到第二输出数据，基于所述第二输出数据通过所述语义信息融合模型输出得到所述视频数据的虚拟人物遮罩图像；其中，所述第一输出数据包括高分辨率遮罩图像、低分辨率遮罩图像、高分辨率编码特征和低分辨率编码特征；所述第二输出数据包括高分辨率细节遮罩图像和低分辨率细节遮罩图像。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于深度时空学习的高分辨率视频虚拟人物抠像方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD