[发明专利]活动图像深度预测

说明书

活动深度检测系统可以从图像和用户交互数据(例如，一对点击)生成深度图。活动深度检测系统可被实现为循环神经网络，其可以在训练后接收用户交互数据作为运行时输入。活动深度检测系统可以存储所生成的深度图，用于进一步处理，例如图像操作或现实世界中的对象检测。

优先权要求

本申请要求于2018年8月31日提交的序列号为16/120,105的美国专利申请的优先权的权益，通过整体引用将其合并于此。

技术领域

本公开的实施例一般涉及机器学习，并且更具体地但非限制性地涉及基于图像的深度估计。

背景技术

深度估计机制试图确定图像(例如，图像，视频)中描绘的对象的深度。深度数据可用于不同的基于图像的任务，诸如增强现实，图像聚焦和面部解析。一些深度检测技术使用外部信号(例如，红外光束)来反射附近的对象，以帮助确定给定图像中对象的深度。尽管这些基于外部信号的方法可以产生准确的结果，但是许多用户设备(例如，智能手机，笔记本电脑)并未配备以实现基于信号的深度检测的必要的硬件(例如，红外(IR)激光，IR摄像头)。由于对象在图像中的外观与其实际几何结构之间存在固有的分歧，所以从单个图像直接确定深度是困难的。

附图说明

为了容易地识别对任何特定元素或动作的讨论，参考数字中的一个或多个最高有效数字是指其中首次引入该元素或动作的图的编号。

图1是示出用于通过网络交换数据(例如，消息和相关联的内容)的示例消息传递系统的框图。

图2是示出根据示例实施例的关于图1的消息传递系统的进一步细节的框图。

图3是示出根据某些示例实施例的可以存储在消息传递系统的数据库中的数据的示意图。

图4是示出根据一些实施例的由用于通信的消息传递客户端应用生成的消息的结构的示意图。

图5是示出根据一些示例实施例的示例访问限制过程的示意图，按照该过程，对内容(例如，短时(ephemeral)消息以及相关联的多媒体数据有效载荷)或内容集合(例如，短时消息故事)的访问可以是受时间限制的(例如，短时的)。

图6示出了根据一些示例实施例的活动(active)深度系统的示例功能引擎。

图7示出了根据一些示例实施例的用于实现活动深度图的方法的流程图。

图8示出了根据一些示例实施例的用于利用点击对数据集的示例方法的流程图。

图9A示出了根据一些示例实施例的用于深度引擎的示例网络。

图9B示出了根据一些示例实施例的示例图像和深度图。

图10-13示出了根据一些示例实施例的用于实现活动深度系统的示例用户界面。

图14是示出可与本文中所描述的各种硬件架构结合使用的代表性软件架构的框图。

图15是示出根据一些示例实施例的机器的组件的框图，该机器能够从机器可读介质(例如，机器可读存储介质)读取指令并执行本文讨论的方法中的任何一个或多个。

具体实施方式

以下描述包括体现本公开的示意性实施例的系统、方法、技术、指令序列和计算机器程序产品。在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对发明主题的各种实施例的理解。然而，对于本领域技术人员将显而易见的是，可以在没有这些具体细节的情况下实践本发明的主题的实施例。通常，公知的指令实例、协议、结构和技术不必详细示出。

如所讨论的，确定图像中描绘的对象的深度是困难的。尽管一些基于外部信号的方法可以协助基于图像的深度检测，但是许多终端用户系统(例如，客户端设备，智能手机，便携式计算机)缺少实现这些基于信号的方法所需的专用设备。