摘要
本发明公开了一种基于NeRF的数字人形象复刻方法及系统,涉及数字人形象复刻技术领域,所述方法包括:数字人形象采集,得到训练数据集;训练样本扩充生成;利用扩充后的数字人形象数据训练数据重构模型;对自编码器输出的数字人形象复刻的结果进行特征提取,将特征提取后的特征向量输入到分类器模型中进行数字人形象数据筛选。本发明提升生成样本的细节和真实度,使扩充数据在逼真度上更接近真实采集的图像,增强了在筛选数字人形象数据时的适应性和稳定性,使筛选模型在面对多样化的复刻数据时更具适应性,提升了分类效果,最终保证复刻数据的高质量和一致性。
技术关键词
极限学习机算法
编码器算法
神经网络算法
分类器模型
超分辨率
高分辨率相机
生成对抗网络模型
重构模型
神经网络模型训练
图像数据压缩
矩阵
随机噪声
更新解码器
系统为您推荐了相关专利信息
放线机器人
卷积神经网络算法
控制系统
模糊控制算法
路径规划算法
采样模块
高分辨率彩色图像
彩色图像传感器
融合特征
深度图超分辨率
健康档案管理系统
电子化管理方法
神经网络算法
注意力机制
学习算法
纹理
上采样
非暂时性机器可读存储介质
图像超分辨率算法
移动终端
图像超分辨方法
生成高分辨率
多模态
超分辨率
文本编码器