浙江大学4件专利拟许可，现将相关信息予以公示。
[1] 专利名称：一种由单张图像生成立体视觉图像的方法
专利号：ZL 201811313847.X
专利简介：本发明公开了一种由单张图像生成立体视觉图像的方法，属于立体视觉领域，包括以下步骤：(1)深度估计模型训练；(2)对单张彩色图像，估计其深度信息；(3)通过交互和模型参数微调修正估计深度中错误的部分；(4)对估计的深度图进行前景保护，对齐深度边缘和彩色图像边缘；(5)根据图像和深度信息，计算视差，得到新视角下图像；(6)根据数据集中的深度图，生成与新视角下图像相似的空洞区域；(7)用新生成的数据训练用于图像修补的生成对抗网络模型；(8)针对测试图片，对修补模型进行参数微调；(9)修补新视角下图像的空洞部分，得到立体视觉图像。本发明具有输入图像易获取、操作灵活、方便调节、生成图像立体感明显等特点。
[2] 专利名称：基于非同步视频的运动捕捉方法
专利号：ZL 202010812816.X
专利简介：本发明公开了一种基于非同步视频的人体运动捕捉方法，通过多段目标人物的非同步视频，可以有效地恢复人物的三维运动。为了利用多段非同步视频，本发明提供了一种视频同步和运动重建的方法。本发明的实现包括：基于三维人体姿态对多段视频进行同步；基于同步后的视频进行运动重建，并利用低秩约束建模不同视点下的运动差异，实现从多段非同步视频进行高精度人体运动捕捉。本发明通过利用多段非同步视频进行更精确的运动捕捉。为了利用多段非同步视频，本发明提供了一种视频同步方法和运动重建方法，同时建模不同视频的运动差异，实现了高精度的运动捕捉。
[3] 专利名称：一种动态人体三维重建和视角合成方法
专利号：ZL 202011458091.5
专利简介：本发明公开了一种动态人体的三维重建和视角合成方法，通过从输入的多视角视频中优化动态人体的三维表示进行动态人体的重建。本发明提供的方法包括：在一个可变形人体模型的网格顶点上定义一组隐变量；基于人体模型的变形特性，将这组结构化隐变量变换到目标人体姿态的位置；基于神经网络，将这组结构化隐变量映射为连续的体素密度和颜色，用于表示人体的几何和外观；基于可微分渲染，在输入的多视角视频中优化这个神经网络隐函数；基于优化后的神经网络隐函数，进行动态人体的三维重建和视角合成。本发明通过神经网络隐函数，实现了在非常稀疏的视角下进行动态人体的三维重建和视角合成，是第一个在非常稀疏的视角下实现高质量视角合成的方法。
[4] 专利名称：一种可驱动的隐式三维人体表示方法
专利号：ZL 202110419747.0
专利简介：本发明公开了一种可驱动的隐式三维人体表示方法，通过从输入的多视角视频中优化可驱动模型的三维表示进行动态重建。本发明提供的方法包括：构造用于表示动态人体的隐函数；提出用神经网络表示的神经蒙皮混合权重场，实现了在从视频中学习得到可驱动隐函数，从视频中优化得到可驱动三维模型的方法；本发明在每一视频帧学习一个神经蒙皮混合权重场，将每一视频帧的三维点变换回标准坐标系，以此整合了视频的时序信息，增加了对目标的观测，用于优化标准坐标系下的三维模型；本发明同时在标准坐标系下学习一个神经蒙皮混合权重场，使得三维模型可被驱动生成新姿势下的三维模型。
转化方式：普通许可
定价方式：挂牌交易
转化价格：60万元
公示期自2021年12月17日至2021年12月31日。如有异议，请在公示期内向科学技术研究院提交异议书及有关证据。
电话：88981070，邮箱：f020092@zju.edu.cn。
科学技术研究院
2021年12月17日