[发明专利]机器学习辅助的图像预测

说明书

本发明公开了一种实现用于提供预测的RGB图像的系统的设备，该设备包括至少一个处理器，该至少一个处理器被配置为获取被摄体的红外图像并且获取被摄体的参考RGB图像。该至少一个处理器被进一步配置为将红外图像和参考RGB图像提供给机器学习模型，该机器学习模型已被训练为基于被摄体的红外图像和参考RGB图像来输出被摄体的预测的RGB图像。该至少一个处理器被进一步配置为基于机器学习模型的输出来提供被摄体的预测的RGB图像。

相关申请的交叉引用

本专利申请要求2018年12月14日提交的名称为“Machine Learning AssistedImage Prediction”的美国临时专利申请号62/780,139的优先权权益，该专利申请的公开内容据此全文并入本文。

技术领域

本说明书整体涉及捕获和预测红-绿-蓝(RGB)图像，包括使用机器学习基于红外图像来产生预测的RGB图像。

背景技术

电子设备的用户可使用设备的图像传感器(例如，相机)来拍摄照片或视频，或者参与和使用其相应设备的其他参与者的音视频会议。在一些情况下，环境照明条件可影响图像质量。

附图说明

本主题技术的一些特征在所附权利要求书中被示出。然而，出于解释的目的，在以下附图中阐述了本主题技术的若干实施方案。

图1示出了根据一个或多个具体实施的用于使用机器学习来预测RGB图像的示例性网络环境。

图2示出了根据一个或多个具体实施的可实现用于使用机器学习来预测RGB图像的主题系统的示例性电子设备。

图3示出了根据一个或多个具体实施的可用于产生预测的RGB输出图像的输入图像的示例。

图4示出了根据一个或多个具体实施的机器学习模型生成器的示例。

图5示出了根据一个或多个具体实施的使用机器学习模型来预测RGB图像的RGB图像预测器的示例。

图6示出了根据一个或多个具体实施的用于使用机器学习来预测RGB图像的示例性过程的流程图。

图7示出了根据一个或多个具体实施的可用以实现主题技术的各个方面的示例性电子系统。

具体实施方式

下面示出的具体实施方式旨在作为本主题技术的各种配置的描述并且不旨在表示主题技术可被实践的唯一配置。附图被并入本文并且构成具体实施方式的一部分。具体实施方式包括具体的细节旨在提供对本主题技术的透彻理解。然而，主题技术不限于本文所述的具体细节，并且可使用一个或多个其他具体实施来实践。在一个或多个具体实施中，以框图形式示出了结构和部件，以便避免使本主题技术的概念模糊。

电子设备的用户可使用设备的图像传感器(例如，相机)来拍摄照片或视频，或者参与和使用其相应设备的其他参与者的音视频会议。在一些情况下，环境照明条件可影响图像质量。在具有低照明的环境中，图像质量可能不适用于这些用途。例如，被摄体(例如，人的面部)的细节在低照明环境中可能不清楚。

此外，即使用户的设备使用一般的图像处理技术(例如，使用预设值调节对比度、亮度和/或色值)来实时编辑所捕获的RGB图像，所得的RGB图像可能仍然缺少用户期望的细节量(例如，相对于肤色、皮肤纹理、面部形状)。因此，可能期望在环境照明低的情况下提高图像质量。