Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江中南卡通股份有限公司何志祥获国家专利权

浙江中南卡通股份有限公司何志祥获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉浙江中南卡通股份有限公司申请的专利基于多维信息聚合和像素级对抗学习的自由格式视频修复方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116883256B

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310577666.2,技术领域涉及:G06T5/77;该发明授权基于多维信息聚合和像素级对抗学习的自由格式视频修复方法是由何志祥;李锦;吴佳;沈玉良;刘康苗;肖俊设计研发完成,并于2023-05-22向国家知识产权局提交的专利申请。

基于多维信息聚合和像素级对抗学习的自由格式视频修复方法在说明书摘要公布了:本发明涉及图像机器学习与计算机视觉研究中的深度神经网络、视频修复、生成式对抗学习领域,为一种基于多维信息聚合和像素级对抗学习的自由格式视频修复方法,包括多维互相关视频修复模型和像素级对抗学习方法,所述多维互相关视频修复模型与像素级对抗学习方法通过重建帧相连。通过使用多维度互相关增强技术,对不同维度中上下文信息聚合,对多维度互相关增强进行维度分解降低计算复杂性;通过像素级的对抗性学习方法对修复视频质量判别,增强生成器的针对性优化;自由格式视频修复的方法融合多维度互相关增强和像素级的对抗性学习方法,充分考虑视频中不同上下文信息的区别,在重建后的视频中保留时间和空间一致性,使被修复的视频更加逼真。

本发明授权基于多维信息聚合和像素级对抗学习的自由格式视频修复方法在权利要求书中公布了:1.一种基于多维信息聚合和像素级对抗学习的自由格式视频修复方法,其特征在于:包括作为生成器使用的多维互相关视频修复模型和像素级对抗学习方法中的遮挡判别器,所述作为生成器使用的多维互相关视频修复模型和像素级对抗学习方法中的遮挡判别器通过重新生成框架相关联; 作为生成器使用的多维互相关视频修复模型,包括上采样、扩张模块和下采样前后中三部分组成,扩张模块前后各插入多维互相关模块,多维互相关模块在给定D维目标特征图与同一特征空间内的参考特征图中收集的信息,并计算目标特征图的目标特征块和参考特征图的参考特征块的互相关性,根据特征块的互相关性赋予相应互相关性权重,将互相关权重应用于对应的参考特征块的中心值,并通过加权求和,得到最终的互相关增强结果,通过将特征图降维来减小维度之间的互相关性计算复杂度; 像素级对抗学习方法中的遮挡判别器由前后相接的高通滤波器和掩码生成器组成,通过高通滤波器和掩码生成器来输出一个推断真假的掩码图,遮挡判别器对重建视频中的像素进行评估,将掩码生成器生成的像素和原始保留像素加以区分; 所述高通滤波器用以凸显自由格式视频修复中的高频部分,能帮助判别器识别视频中的修复痕迹;所述掩码生成器接在高通滤波器之后,用于生成自由格式视频修复的像素级对抗学习方法判别器的最终输出;所述掩码图用来区分重建帧的被修复部分和自然部分;掩码生成器损失函数和判别器损失函数函数关系为: ; ; 其中P为真实掩码图的分布,x为其中的采样,Q表示作为输入的被遮挡帧的分布,z为其中的采样,G表示生成器,D表示判别器。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江中南卡通股份有限公司,其通讯地址为:310000 浙江省杭州市滨江区长河街道滨康路245号六楼;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。