公共文化服务平台

基于Transformer的点云几何有损压缩方法: 2024年; 点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在编码端利用稀疏卷积提取特征,进行多尺度的逐步下采样,结合Transformer模块加强点空间特征感知与提取;在解码端进行对应的多尺度上采样重建,同样采用Transformer模块对有用特征进行加强与恢复,逐步细化并重建点云。与2种点云标准编码方法对比,所提方法平均获得80%和75%的BD-Rate增益;与基于深度学习的点云压缩方法对比,平均获得16%的BD-Rate增益,在相同码率点有约0.6的PSNR提升。实验结果表明:Transformer在点云压缩领域的可行性与有效性;在主观质量方面,所提方法也有明显的主观效果提升,重建的点云更接近原始点云。; 刘舸昕章骏腾丁丹丹; 关键词：TRANSFORMER

一种基于神经网络的低光图像质量增强装置和方法: 本发明公开了一种基于神经网络的低光图像质量增强装置和方法。该装置包括核心神经网络和二分类神经网络。其中核心神经网络通过多重曝光模拟、特征提取和特征融合，对输入的低光图像进行质量增强与重建。二分类神经网络用于对核心神经网络...; 丁丹丹刘恒羽张一驰; 文献传递

一种视频处理方法: 本发明涉及一种视频处理方法，属于视频数据处理技术领域。首先将低质量图像划分为图像块，每个图像块被输入到神经网络中，得到该质量图像块的M个投影图像。根据输入残差与投影图像确定权重系数值，从而将该M个投影图像组合为最终输出的...; 丁丹丹孔令一; 文献传递

基于神经网络的点云几何属性压缩后处理优化装置及方法: 本发明公开了一种基于神经网络的点云几何属性压缩后处理优化装置，包括几何质量增强端和属性质量增强端；所述几何质量增强端包括线性插值模块，邻域几何特征聚合模块以及候选点生成概率预测模块；所述属性质量增强端包括高斯距离加权映射...; 丁丹丹张俊哲章骏腾刘舸昕

基于RAW域的低光照图像质量增强方法: 2023年; 考虑原始图像(RAW图像)中的噪声未经过相机ISP的复杂非线性映射,更加容易建模,提出基于RAW域对低光照图像进行质量增强,以获得清晰的、高质量的图像.首先,将由相机传感器捕获的RAW图像进行线性插值,获得RGGB共4个通道的彩色图像,并模拟不同曝光程度的图像;其次,设计神经网络模型来学习不同曝光程度的RAW图像与正常曝光图像的映射关系,该神经网络采用了自编码器结构,并嵌入了通道注意力模块,以提取并增强图像中的纹理与细节特征;最后,在神经网络训练时,引入了结构相似性损失和梯度下降损失,引导网络生成与参考图像之间结构相似性和色彩关联性较高的高质量图像.该方法在SID数据集上进行了训练和测试,PSNR达到了29.7380 dB,MPSNR达到了30.2334 dB,均高于目前流行方法(如EnlightenGAN,Zero-DCE,SID,Residual和ALEN等);在主观质量方面,该方法生成的图像质量显著优于比较方法,无明显噪声和色斑伪影,颜色也更加真实细腻.; 陈龙张一驰吕张凯丁丹丹; 关键词：图像增强卷积神经网络

一种用于视频编码的参考帧选择方法及装置: 本发明公开了一种用于视频编码的参考帧选择方法及装置，属于视频编码技术研究领域，对编码图像的每个编码块，在为其选择参考块时，自适应地选择使用原生参考块还是使用经过图像增强模型得到的增强参考块。在视频的帧间编码过程中，使用神...; 丁丹丹孔令一陈光耀; 文献传递

移动增强现实应用及进展被引量：1: 2017年; 移动增强现实技术是增强现实(AR)的一个分支,其目前主要有传统移动增强现实技术和基于移动终端的移动增强现实技术两种。移动增强现实设备的普及和技术的高速发展使其可以应用到多个领域。对移动增强现实技术的应用进行综述,并对其商业应用前景和商业模式进行展望。; 潘志庚潘志庚丁丹丹; 关键词：AR

一种基于元学习的压缩图像后处理方法: 本发明公开了一种基于元学习的压缩图像后处理方法，分别构建了图像增强网络与压缩退化网络，并使用深度学习在大规模数据集上完成网络预训练；然后结合元学习方法，通过压缩退化网络构建元数据集，对图像增强网络进行MAML网络下的内外...; 丁丹丹张一驰

三位一体程序设计课程思政体系的设计与构建被引量：1: 2023年; 针对目前课程思政工作较多地关注课堂教学,但课堂教学受环境和时间的限制,教学形式相对比较单一,影响课程思政实施效果的问题,提出三位一体的程序设计课程思政课堂教学思路,介绍教学体系建设过程,最后通过问卷调查结果说明教学效果。; 姚争为丁丹丹; 关键词：程序设计学科竞赛

一种基于深度学习的自适应扰动点云上采样方法: 本发明涉及一种基于深度学习的自适应扰动点云上采样方法，属于计算机图形三维视觉技术领域。将需要进行上采样的稀疏有噪音的点云输入至上采样模型，进行上采样操作，得到干净密集均匀的上采样点云。第一阶段，将低分辨率点云文件训练集输...; 潘志庚邱驰丁丹丹; 文献传递

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

丁丹丹