您的位置： 专家智库 > >

刘一凡

作品数：4 被引量：13H指数：1
供职机构：南京大学更多>>
相关领域：自动化与计算机技术政治法律更多>>

合作作者

文献类型

  • 2篇专利
  • 1篇期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇图像
  • 2篇重建图像
  • 2篇存储介质
  • 1篇多模态
  • 1篇适配
  • 1篇适配器
  • 1篇图像输入
  • 1篇网络
  • 1篇网络模型
  • 1篇文本驱动
  • 1篇门控
  • 1篇接层
  • 1篇泛化
  • 1篇半监督学习

机构

  • 3篇南京大学

作者

  • 3篇刘一凡
  • 3篇郭延文
  • 3篇过洁
  • 2篇朱鹏飞

传媒

  • 1篇图学学报

年份

  • 1篇2025
  • 1篇2024
  • 1篇2023
共 4 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
基于半监督学习的表面材质重建方法、装置及存储介质
本发明公开了一种基于半监督学习的表面材质重建方法、装置及存储介质，本发明首先建立材质重建网络模型，所述材质重建网络模型包括编码器模块、特征组合门控循环模块、双分支模块、分支选择开关、特征融合门控循环模块和解码器模块，其次...
朱鹏飞刘一凡周辰熙吕培元宋睿哲过洁郭延文赖水长陈慕凡
一种物体表面材质重建方法、装置及存储介质
本发明公开了一种物体表面材质重建方法、装置及存储介质，本发明首先建立了材质重建网络模型，所述材质重建网络模型包括预处理模块、高光感知分支、标准卷积分支、拼接层、注意力机制结构、第一低秩适配器和第二低秩适配器；其次获取若干...
刘一凡过洁郭延文赖水长陈慕凡朱鹏飞
基于扩散模型的文本生成材质贴图的泛化性优化方法
2025年
针对现有的材质贴图数据集存在着文字描述不足且纯图像数据集规模庞大的现状,及传统的生成模型推理错误时难以获得额外的超参数来生成新的结果等问题,提出一种基于稳定扩散模型的文本生成材质贴图的泛化性优化方法,采用分阶段的方式训练模型:使用大规模纯图像数据集对扩散模型进行微调,以拟合图像的生成;使用小规模含文本标注的数据集学习语义信息;引入新的解码器对扩散模型生成的隐编码重建得到材质贴图;最终可以通过输入文本描述获得多组随机生成的且符合描述的材质贴图结果。该方法使用Colossal架构组织代码,大大降低了训练的硬件要求;将图像拟合数据集、语义信息学习的工作分开,使用大规模图像数据集拟合模型参数,使用小规模文本数据学习语义信息,提高了模型的泛化性,减少了对多模态数据集规模的需求。
涂晴昊李元琪刘一凡过洁郭延文
关键词：多模态
全选 清除 导出
共1页<1>
聚类工具0