会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 2. 发明申请
    • SKINNED MULTI-PERSON LINEAR MODEL
    • 皮肤多人线性模型
    • WO2016207311A1
    • 2016-12-29
    • PCT/EP2016/064610
    • 2016-06-23
    • MAX-PLANCK-GESELLSCHAFT ZUR FÖRDERUNG DER WISSENSCHAFTEN E.V.
    • BLACK, Michael J.LOPER, MatthewMAHMOOD, NaureenPONS-MOLL, GerardROMERO, Javier
    • G06T13/40G06T19/20
    • G06T13/40G06T19/20G06T2219/2021
    • The invention comprises a learned model of human body shape and pose dependent shape variation that is more accurate than previous models and is compatible with existing graphics pipelines. Our Skinned Multi-Person Linear model (SMPL) is a skinned vertex based model that accurately represents a wide variety of body shapes in natural human poses. The parameters of the model are learned from data including the rest pose template, blend weights, pose-dependent blend shapes, identity- dependent blend shapes, and a regressor from vertices to joint locations. Unlike previous models, the pose-dependent blend shapes are a linear function of the elements of the pose rotation matrices. This simple formulation enables training the entire model from a relatively large number of aligned 3D meshes of different people in different poses. The invention quantitatively evaluates variants of SMPL using linear or dual- quaternion blend skinning and show that both are more accurate than a Blend SCAPE model trained on the same data. In a further embodiment, the invention realistically models dynamic soft-tissue deformations. Because it is based on blend skinning, SMPL is compatible with existing rendering engines and we make it available for research purposes.
    • 本发明包括人体形状和姿态依赖形状变化的学习模型,其比先前的模型更准确,并且与现有的图形管线兼容。 我们的皮肤多人线性模型(SMPL)是一种皮肤顶点的模型,可以准确表示自然人类姿势中各种身体形状。 从包括其余姿态模板,混合权重,姿势依赖混合形状,身份相关混合形状以及从顶点到联合位置的回归的数据中学习模型的参数。 与以前的模型不同,姿势依赖的混合形状是姿态旋转矩阵的元素的线性函数。 这种简单的配方可以从不同人物的不同人物的相对大量对齐的3D网格中训练整个模型。 本发明使用线性或双四元数混合蒙皮定量评估SMPL的变体,并且显示两者比在相同数据上训练的混合SCAPE模型更准确。 在另一实施例中,本发明实际上对动态软组织变形进行建模。 因为它是基于混合蒙皮,SMPL与现有的渲染引擎兼容,我们使其可用于研究目的。
    • 7. 发明申请
    • AUTOMATISIERTE EMPFEHLUNG ZUR GABE VON ECHOKONTRASTMITTEL MITTELS MACHINE-LEARNING-ALGORITHMEN
    • 通过机器学习算法自动推荐ECHO对比剂
    • WO2017198878A1
    • 2017-11-23
    • PCT/EP2017/062306
    • 2017-05-22
    • UNIVERSITÄT DES SAARLANDES
    • KAISER, Ralf
    • G06F19/00
    • G16H40/63G16H30/40G16H50/20
    • In einem computerimplementierten Verfahren zur Verbesserung der Qualität von medizinischen Ultraschallbildern werden Ultraschalldaten einer Testperson erhalten. Die erhaltenen Daten werden einer automatisierten Analyse unterworfen, ob eine Veränderung eines Parameters der Erfassung der Ultraschalldaten, insbesondere eine Gabe von Ultraschallkontrastmittel an die Testperson, eine Veränderung des Kontrastsettings, einer Signalverstärkung, der eingestrahlten Wellenlänge oder der empfangenen Wellenlänge, ein gegebenes Qualitätsmaß der Ultraschalldaten verbessert, basierend auf den Ultraschalldaten. Schließlich wird ein Indikator an einen Nutzer ausgegeben, basierend auf der Analyse, ob die Veränderung des Parameters ein Qualitätsmaß der Ultraschalldaten verbessert.
    • 在用于改善医学超声图像的质量的计算机实现的方法中,获得对象的超声数据。 获得的数据进行自动分析版BEAR是否剂量超声造影剂的改变检测所述超声数据的参数,尤其是给受试者,的对比度设置,一个Signalverst BEAR设防,照射波长BEAR长度或所接收的版本BEAR变化 波长,一个给定的质量指标。 基于超声数据改善超声数据。 最后,基于对参数的变化是否是质量度量的分析,向用户输出指示符。 超声数据有所改善。