申请/专利权人:香港科技大学(广州)
申请日:2023-12-25
公开(公告)日:2024-04-16
公开(公告)号:CN117894068A
主分类号:G06V40/20
分类号:G06V40/20;G06V20/40;G06V10/82;G06N3/092
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本申请公开了运动数据处理方法、关键帧提取模型的训练方法及装置,涉及计算机技术领域。运动数据处理方法中首先获取包括多个数据帧的运动序列,然后将运动序列输入预先训练的关键帧提取模型进行关键帧提取,得到目标关键帧。其中,关键帧提取模型为深度强化学习模型,用于计算每个数据帧对应的回报值,并给予回报值选取目标关键帧。最后利用目标关键帧对运动序列中其他数据帧进行重建,得到数据帧对应的重建帧,并给予重建帧和目标关键帧得到运动序列的重建序列。由此通过深度强化学习模型对运动序列进行关键帧提取,基于数据帧的回报值选取目标关键帧,即可根据目标关键帧对运动序列进行重建,有效提高关键帧的提取效率和准确率。
主权项:1.一种运动数据处理方法,其特征在于,包括:获取包括多个数据帧的运动序列;将所述运动序列输入预先训练的关键帧提取模型进行关键帧提取,得到所述运动序列的目标关键帧;所述关键帧提取模型为深度强化学习模型,用于计算每个所述数据帧对应的回报值,并基于所述回报值选取所述目标关键帧;利用所述目标关键帧对所述运动序列中其他数据帧进行重建,得到所述数据帧对应的重建帧,并基于所述重建帧和所述目标关键帧得到所述运动序列的重建序列。
全文数据:
权利要求:
百度查询: 香港科技大学(广州) 运动数据处理方法、关键帧提取模型的训练方法及装置
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。