Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019032481) GÉNÉRATION D'IMAGES DE PROFONDEUR DE SYNTHÈSE À PARTIR DE DONNÉES DE CAO AU MOYEN DE RÉSEAUX NEURONAUX CONTRADICTOIRES GÉNÉRATIFS PERMETTANT UNE AMÉLIORATION
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/032481 N° de la demande internationale : PCT/US2018/045464
Date de publication : 14.02.2019 Date de dépôt international : 07.08.2018
CIB :
G06T 15/20 (2011.01) ,G06T 11/00 (2006.01) ,G06T 7/50 (2017.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
T
TRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
15
Rendu d'images tridimensionnelles [3D]
10
Effets géométriques
20
Calcul de perspectives
G PHYSIQUE
06
CALCUL; COMPTAGE
T
TRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
11
Génération d'images bidimensionnelles [2D]
[IPC code unknown for G06T 7/50]
Déposants :
SIEMENS MOBILITY GMBH [DE/DE]; Otto-Hahn-Ring 6 81739 München, DE
Inventeurs :
PLANCHE, Benjamin; DE
WU, Ziyan; US
Mandataire :
VENEZIA, Anthony L.; US
Données relatives à la priorité :
62/542,47408.08.2017US
Titre (EN) SYNTHETIC DEPTH IMAGE GENERATION FROM CAD DATA USING GENERATIVE ADVERSARIAL NEURAL NETWORKS FOR ENHANCEMENT
(FR) GÉNÉRATION D'IMAGES DE PROFONDEUR DE SYNTHÈSE À PARTIR DE DONNÉES DE CAO AU MOYEN DE RÉSEAUX NEURONAUX CONTRADICTOIRES GÉNÉRATIFS PERMETTANT UNE AMÉLIORATION
Abrégé :
(EN) A system and method for generating realistic depth images by enhancing simulated images rendered from a 3D model, include a rendering engine configured to render noiseless 2.5D images by rendering various poses with respect to a target 3D CAD model, a noise transfer engine configured to apply realistic noise to the noiseless 2.5D images, and a background transfer engine configured to add pseudo-realistic scenedependent backgrounds to the noiseless 2.5D images. The noise transfer engine is configured to learn noise transfer based on a mapping, by a first generative adversarial network (GAN), of the noiseless 2.5D images to real 2.5D scans generated by a targeted sensor. The background transfer engine is configured to learn background generation based on a processing, by a second GAN, of output data of the first GAN as input data and corresponding real 2.5D scans as target data.
(FR) Un système et un procédé permettant de générer des images de profondeur réalistes en améliorant des images simulées rendues à partir d'un modèle en 3D intègrent un moteur de rendu configuré pour rendre des images en 2,5D sans bruit en rendant diverses poses par rapport à un modèle de CAO en 3D cible, un moteur de transfert de bruit configuré pour appliquer un bruit réaliste aux images en 2,5D sans bruit et un moteur de transfert d'arrière-plans configuré pour ajouter des arrière-plans pseudo-réalistes dépendant de la scène aux images en 2,5D sans bruit. Le moteur de transfert de bruit est configuré pour apprendre un transfert de bruit sur la base d'une mise en correspondance, par un premier réseau contradictoire génératif (GAN), des images en 2,5D sans bruit et de balayages en 2,5D réels générés par un capteur ciblé. Le moteur de transfert d'arrière-plans est configuré pour apprendre une génération d'arrière-plan sur la base d'un traitement, par un second GAN, des données de sortie du premier GAN à titre de données d'entrée et des balayages en 2,5D réels correspondants à titre de données cibles.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)