[发明专利]用于生成输出图像的方法和系统有效

专利信息
申请号: 201880004376.6 申请日: 2018-02-26
公开(公告)号: CN109997168B 公开(公告)日: 2023-09-12
发明(设计)人: N.E.卡尔奇布伦纳;D.贝洛夫;S.戈梅兹科尔梅纳勒约;A.G.A.范登奥德;Z.王;J.F.戈梅斯德弗雷塔斯;S.E.里德 申请(专利权)人: 渊慧科技有限公司
主分类号: G06T3/40 分类号: G06T3/40
代理公司: 北京市柳沈律师事务所 11105 代理人: 金玉洁
地址: 英国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 生成 输出 图像 方法 系统
【权利要求书】:

1.一种生成具有输出分辨率的输出图像的方法,所述输出图像中的每个像素具有一个或多个通道中的每一个通道的相应值,所述方法包括:

获得所述输出图像的低分辨率版本;以及

通过重复执行以下操作,升级所述输出图像的低分辨率版本以生成具有输出分辨率的输出图像直到获得具有输出分辨率的图像:

获得具有当前分辨率的输出图像的当前版本;以及

使用特定于当前分辨率的卷积神经网络集合处理所述输出图像的当前版本,以生成具有比当前分辨率更高的更新分辨率的输出图像的更新版本,其中,特定于当前分辨率的卷积神经网络集合包括:

第一卷积神经网络,被配置为接收包括所述图像的当前版本的第一输入,并生成包括来自所述输出图像的中间版本的像素列的第一输出图像,所述输出图像具有比当前分辨率高但比更新分辨率低的中间分辨率;以及

第二卷积神经网络,被配置为接收包括所述输出图像的中间版本的第二输入,并生成包括来自所述输出图像的更新版本的像素行的第二输出图像。

2.如权利要求1所述的方法,其中,获得所述低分辨率版本包括:

使用图像生成机器学习模型生成所述低分辨率版本。

3.如权利要求2所述的方法,其中,所述图像生成机器学习模型是自回归图像生成机器学习模型。

4.如权利要求3所述的方法,其中,所述输出图像以输入上下文为条件,并且其中,所述图像生成机器学习模型被配置为以所述输入上下文为条件生成所述低分辨率版本。

5.如权利要求4所述的方法,其中,每个卷积神经网络集合中的每个卷积神经网络以所述输入上下文为条件。

6.如权利要求1所述的方法,其中,使用特定于当前分辨率的卷积神经网络集合处理所述输出图像的当前版本以生成所述输出图像的更新版本包括:

使用所述第一卷积神经网络处理所述输出图像的当前版本以生成所述第一输出图像;

通过合并所述当前版本和所述第一输出图像来生成所述中间版本;

使用所述第二卷积神经网络处理所述中间版本以生成所述第二输出图像;以及

通过合并所述中间版本和所述第二输出图像来生成所述更新版本。

7.如权利要求6所述的方法,其中,合并所述当前版本和所述第一输出图像包括:

通过将来自所述当前版本的像素列与来自所述第一输出图像的像素列交替,生成包括来自所述当前版本的K列像素和来自所述第一输出图像的K列像素的中间图像。

8.如权利要求6所述的方法,其中合并所述中间版本和所述第二输出图像包括:

通过将来自所述中间版本的像素行与来自所述第二输出图像的像素行交替,生成包括来自所述中间版本的多行像素和来自所述第二输出图像的多行像素的更新图像。

9.如权利要求6所述的方法,

其中,根据通道顺序对所述一个或多个通道进行排序,

其中,所述第一卷积神经网络被配置为,对于每个通道:

以(i)所述当前版本和(ii)所述第一输出图像中的像素对于按所述通道顺序在所述通道之前的任何通道的值为条件,并且不以(iii)所述第一输出图像中的像素对于按通道顺序在通道之后的任何通道的值为条件,为所述第一输出图像中的像素生成所述通道的值,并且

其中,所述第二卷积神经网络被配置为,对于每个通道:

以(i)所述中间版本和(ii)所述第二输出图像中的像素对于按所述通道顺序在所述通道之前的任何通道的值为条件,并且不以(iii)所述第二输出图像中的像素对于按所述通道顺序在所述通道之后的任何通道的值为条件,为所述第二输出图像中的像素生成所述通道的值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于渊慧科技有限公司,未经渊慧科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201880004376.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top