[发明专利]用于自动地生成用于媒体文档的元数据的系统和方法

权利要求书

1.一种用于自动地生成用于媒体文档的元数据的方法，所述方法包括：

使用卷积神经网络来计算所述媒体文档的特征向量，其中所述媒体文档是三维(3D)模型，其中计算所述特征向量包括：

从多个角度再现所述3D模型以再现所述3D模型的多个二维(2D)视图；

使用所述卷积神经网络来生成多个单视图特征向量，所述单视图特征向量中的每一个对应于所述3D模型的所述2D视图中的一个；

聚合所述多个单视图特征向量以计算池化特征向量，所述池化特征向量具有独立于2D视图数目的长度；及

使用末级卷积神经网络来根据所述池化特征向量计算所述特征向量；

搜索媒体文档集合以用于具有与所述媒体文档的所述特征向量类似的相应特征向量的一或多个匹配媒体文档，所述媒体文档集合的每一媒体文档与元数据相关联；

基于与所述一或多个匹配媒体文档相关联的所述元数据来生成用于所述媒体文档的元数据，所生成元数据包括以所述一或多个匹配媒体文档的至少一个阈值数出现的部分所述元数据；以及

显示与所述所生成元数据相关联的所述媒体文档。

2.根据权利要求1所述的方法，其中计算所述特征向量包括：

界定所述3D模型周围的限界框以生成有界3D模型；

使所述有界3D模型体素化以计算多个体素；以及

根据所述体素生成所述特征向量。

3.根据权利要求1所述的方法，其中所述媒体文档集合包括三维(3D)模型集合，且

其中所述搜索所述媒体文档集合包括根据迭代最近点技术来计算所述3D模型与所述3D模型集合的所述3D模型中的一个之间的距离。

4.根据权利要求1所述的方法，其中所述媒体文档集合包括二维(2D)图像集合，

其中所述计算所述特征向量包括计算所述3D模型的一或多个特征向量，

其中所述一或多个匹配媒体文档包括所述2D图像集合的一或多个匹配2D图像，且

其中所述匹配2D图像的相应特征向量中的每一个类似于所述3D模型的所述一或多个特征向量中的至少一个。

5.根据权利要求1所述的方法，其进一步包括：

使用三维扫描器来捕获所述3D模型，所述三维扫描器包括：

两个或更多个红外(IR)相机；以及

一或多个IR准直照明器。

6.根据权利要求1所述的方法，其中所述媒体文档包括一或多个二维(2D)图像，

其中所述媒体文档集合包括三维(3D)模型集合，

其中所述计算所述特征向量包括计算所述一或多个2D图像的一或多个特征向量，

其中所述一或多个匹配媒体文档包括所述3D模型集合的一或多个匹配3D模型，以及

其中所述匹配3D模型的相应特征向量中的每一个类似于所述3D模型的所述一或多个特征向量中的至少一个。

7.根据权利要求6所述的方法，其中所述计算所述特征向量包括：

根据所述一或多个2D图像来计算物体的3D模型；以及

从所述3D模型提取所述特征向量。

8.根据权利要求7所述的方法，其中所述从所述3D模型提取所述特征向量包括：

界定所述3D模型周围的限界框以生成有界3D模型；

使所述有界3D模型体素化以计算多个体素；以及

根据所述体素生成所述特征向量。

9.根据权利要求1所述的方法，其进一步包括接收用户输入，所述用户输入包括对所述所生成元数据的多个字段中的一或多个的验证。

10.根据权利要求1所述的方法，其中所述所生成元数据和与所述媒体文档中的每一个相关联的所述元数据各自包括多个字段，且

其中所述生成所述元数据包括：

针对所述多个字段的每一字段来识别以所述一或多个匹配媒体文档的大于阈值数的所述元数据出现的数据，以及

将所述所识别数据添加到所述所生成元数据。