活动图像深度预测制造技术

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。

【技术实现步骤摘要】
【国外来华专利技术】活动图像深度预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。
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。
技术介绍
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，消息和本文档来自技高网...

【技术保护点】
1.一种方法，包括：/n在用户设备上识别描绘环境的图像；/n通过所述用户设备接收有序对，所述有序对指示所述图像中描绘的所述环境中的深度的方向；/n通过将接收的有序对输入到训练的神经网络中，在所述用户设备上生成深度图；以及/n存储所述深度图。/n

【技术特征摘要】
【国外来华专利技术】20180831 US 16/120,1051.一种方法，包括：
在用户设备上识别描绘环境的图像；
通过所述用户设备接收有序对，所述有序对指示所述图像中描绘的所述环境中的深度的方向；
通过将接收的有序对输入到训练的神经网络中，在所述用户设备上生成深度图；以及
存储所述深度图。


2.根据权利要求1所述的方法，还包括：
通过使用所述深度图修改所述图像来生成修改的图像。


3.根据权利要求1所述的方法，其中，所述训练的神经网络是训练的循环神经网络。


4.根据权利要求3所述的方法，其中，所述训练的循环神经网络被训练为实现交替方向乘子法ADMM机制。


5.根据权利要求4所述的方法，其中，所述ADMM机制被配置为在训练之后接收所述有序对作为约束。


6.根据权利要求1所述的方法，还包括：
通过所述用户设备接收多个点对，所述多个点对中的每个点对指示在所述图像中描绘的所述环境中的深度的附加方向。


7.根据权利要求6所述的方法，其中，所述训练的神经网络被配置为接收所述多个点对作为输入以生成所述深度图。


8.根据权利要求1所述的方法，还包括：
使用所述用户设备的图像传感器在所述用户设备上生成所述图像。


9.根据权利要求8所述的方法，还包括：
在所述用户设备的显示设备上显示所生成的图像。


10.根据权利要求9所述的方法，其中，接收所述有序对包括通过所述显示设备接收第一点和第二点。


11.根据权利要求2所述的方法，还包括：
使用所述深度图识别所述图像的背景区域。

【专利技术属性】
技术研发人员：段锟，D·罗恩，C·马，徐宁，王申龙，S·M·哈努曼特，D·萨加尔，
申请(专利权)人：斯纳普公司，
类型：发明
国别省市：美国;US