申请/专利权人：华南理工大学

申请日：2022-04-15

公开（公告）日：2024-04-02

公开（公告）号：CN114882537B

主分类号：G06V40/12

分类号：G06V40/12;G06V10/82;G06T17/00;G06T7/90;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.08.26#实质审查的生效;2022.08.09#公开

摘要：本发明公开了一种基于神经辐射场的手指新视角图像生成方法，包括以下步骤：获取包含轴向旋转的图像，作为图像样本；扩增图像数据；提取扩增得到的图片数据的相对外参数；生成轴向旋转新视角的图像；利用扩增图像数据和生成轴向旋转新视角的图像训练识别模型。本方法通过传统数据扩增方法模拟手指采集过程中在各个方向上偏移的情况，增强样本数据的多样性，提升识别系统的鲁棒性，利用基于神经辐射场的方法，为每个手指生成了多张轴向旋转的手指图像，丰富了手指轴向旋转数据的多样性，提升系统的鲁棒性，向窗口内采样的像素加入梯度信息、结构相似性信息以及深度平滑信息的约束，提升新视角生成的质量，提升识别系统的性能。

主权项：1.一种基于神经辐射场的手指新视角图像生成方法，其特征在于，包括以下步骤：1获取包含轴向旋转的原始图像，作为图像样本；2扩增图像数据；具体包括：通过多视角立体几何神经辐射场的新视角生成方法根据包含轴向旋转样本的原始图像对手指的隐式三维模型进行建模，并且在此基础上得到其余视角的图像；根据包含轴向旋转样本的原始图像对多视角立体几何神经辐射场建模得到手指的隐式三维模型，具体包括：通过采样Nw个边长为w的正方形窗口，并使w×w×Nw＝Np，Np为采样像素的总数量，从而加强新视角生成过程中的局部信息约束；在训练的过程中增加如下的梯度损失结构相似性损失以及深度平滑损失进行约束： 其中，表示第i个窗口的预测颜色，表示第i个窗口的真实颜色，表示在x方向上的梯度，表示在y方向上的梯度，表示窗口的平均值，表示窗口的平均值，表示窗口以及窗口之间的协方差，表示窗口的方差，表示窗口的方差，Di表示MVSNeRF网络预测的目标视角下的深度值；c1、c2为维持计算结构相似性稳定的两个变量；最终，多视角立体几何神经辐射场的损失函数为： 其中，表示像素pj的预测颜色，表示像素pj的真实颜色，α、β以及γ分别为梯度损失、结构相似性损失以及深度平滑损失的权重系数，为多视角立体几何神经辐射场训练的损失函数；3提取原始图像数据之间的相对外参；4利用步骤1采集得到的原始图像以及步骤3得到的图像之间的相对外参生成轴向旋转新视角的图像；5利用步骤2的扩增图像数据和步骤4生成的轴向旋转新视角的图像训练识别模型。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于神经辐射场的手指新视角图像生成方法

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