【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种条件扩散概率模型训练方法及超分辨率全向图像生成方法。
技术介绍
1、虚拟现实作为一种新兴媒介为观众提供更真实的互动体验。全向图像作为最常见的vr内容形式之一，其为观看者提供覆盖180×360°视野的视觉信息。但是，用户佩戴头戴式显示器观看全向图像时的视场范围是有限的，为了确保小视口区域具备足够的细节，全向图像通常需要较高分辨率。
2、为了对低分辨率的全向图像进行高分辨率重建，现有技术通常在采集端捕获低分辨率全向图像，然后在客户端对传输后的全向图像进行高分辨率全向图像重建。
3、然而，全向图像不同于普通2d图像，它使用鱼眼镜头拍摄并等矩形投影为全景图像，包含丰富的空间信息，但不同纬度区域因投影拉伸会存在不同程度的图像质量下降。而现有技术忽略了其几何特性，导致生成的高分辨率全向图像出现过度平滑和失真的问题。
技术实现思路
1、本申请提供了一种条件扩散概率模型训练方法及全向图像生成方法，可以生成保留全局内容和几何结构信息的高分辨率全向图像。
2、在本文档来自技高网...
【技术保护点】
1.一种条件扩散概率模型训练方法，其特征在于，包括：
2.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述通过所述离散小波模块提取所述中间训练图像的离散小波图像，包括：
3.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述通过所述纬度权重矩阵模块提取所述全向训练图像的纬度权重矩阵，包括：
4.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述反向生成模块包括去噪网络，所述通过所述反向生成模块根据所述离散小波图像和所述纬度权重矩阵，对所述噪声图像进行去噪处理，得到去噪图像，包括：
5...
【技术特征摘要】
1.一种条件扩散概率模型训练方法，其特征在于，包括：
2.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述通过所述离散小波模块提取所述中间训练图像的离散小波图像，包括：
3.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述通过所述纬度权重矩阵模块提取所述全向训练图像的纬度权重矩阵，包括：
4.根据权利要求1所述的条件扩散概率模型训练方法，其特征在于，所述反向生成模块包括去噪网络，所述通过所述反向生成模块根据所述离散小波图像和所述纬度权重矩阵，对所述噪声图像进行去噪处理，得到去噪图像，包括：
5.根据权利要求4所述的条件扩散概率模型训练方法，其特征在于，所述去噪网络包括压缩路径、中间层以及扩展路径，所述压缩路径包括多个下采样单元和残差单元，所述中间层包括残差单元和自注意单元，...
【专利技术属性】
技术研发人员：何周燕，刘雷明，骆挺，胡人之，陈晔曜，宋洋，金充充，
申请(专利权)人：宁波大学科学技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。