一种高动态范围数据生成及泛化方法

AITNT
正文
推荐专利
一种高动态范围数据生成及泛化方法
申请号:CN202510042696
申请日期:2025-01-10
公开号:CN120125484A
公开日期:2025-06-10
类型:发明专利
摘要
本发明涉及一种高动态范围数据生成及泛化方法,包括:收集获取运动素材以及高动态范围背景数据,并通过渲染工具处理,得到渲染数据集,即得到高动态范围运动数据集;采用域迁移方法,将在渲染数据集上训练的模型泛化到真实数据集上。与现有技术相比,本发明一方面能够批量生成高质量、大规模的动态场景高动态范围数据,大幅降低人力和设备成本,另一方面能够解决渲染数据与真实数据的分布差异,支持在有标签和无标签的真实数据上完成域迁移,从而提升高动态范围重建算法在真实场景中的鲁棒性和泛化能力。
技术关键词
泛化方法 网络结构 预训练网络 渲染数据集 分支 缩放参数 教师 运动 迁移方法 通道 输出特征 学生 标签 动态场景 重建算法 图像 框架
系统为您推荐了相关专利信息
1
一种基于近端策略优化的自适应CPU优先级调度方法
优先级调度方法 双网络架构 调度特征 调度系统 调度器
2
一种基于深度学习的脊柱骨质疏松性骨折评估方法及系统
骨质疏松性骨折 多模态特征 骨折风险评估 椎体 注意力神经网络
3
一种防止电动车进入电梯的方法、系统及可读存储介质
控制电梯轿门 传感器阵列 训练算法模型 压力 识别电动车
4
基于差异增强Swin Transformer的遥感图像变化检测方法
孪生神经网络 遥感图像变化检测 多层级特征 dice损失函数 模块
5
一种基于超分辨率重建的行人追踪方法及系统
行人追踪方法 超分辨率 检测网络模型 图像 轨迹
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号