[发明专利]用于生成AR/VR数字内容的数字图像适合性确定在审

专利信息
申请号: 201980066386.7 申请日: 2019-10-08
公开(公告)号: CN112805721A 公开(公告)日: 2021-05-14
发明(设计)人: 方芳;苏拉比·夏斯特里;何昶辰;克鲁提卡·谢蒂 申请(专利权)人: 电子湾有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/20;G06K9/22;G06K9/62;G06T19/00;G06K9/03
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 杜诚;杨林森
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 生成 ar vr 数字 内容 数字图像 适合 确定
【权利要求书】:

1.一种由至少一个计算装置实现的方法,所述方法包括:

由所述至少一个计算装置接收二维数字图像;

由所述计算装置确定由所述二维数字图像捕获的对象是否适合生成用于在增强现实/虚拟现实AR/VR环境中显示的AR/VR数字内容,所述确定是使用机器学习模型执行的;以及

由所述计算装置输出用于在用户界面中显示的指示,所述指示指明关于所述对象是否适合作为AR/VR数字内容在所述AR/VR环境中显示的所述确定的结果。

2.根据权利要求1所述的方法,其中,所述确定包括由所述计算装置使用所述机器学习模型来计算分数,所述分数指示包括在所述二维数字图像中的所述对象适合生成用于在所述AR/VR环境中显示的所述AR/VR数字内容的程度。

3.根据权利要求2所述的方法,其中,所述分数被配置为由被配置为分类器的所述机器学习模型生成的概率,并且关于所述对象是否适合生成所述AR/VR数字内容的所述确定基于将所述概率与阈值进行比较。

4.根据权利要求3所述的方法,其中,所述机器学习模型是卷积神经网络(CNN)。

5.根据权利要求1所述的方法,其中,所述指示响应于所述确定而指示所述对象适合生成所述AR/VR数字内容。

6.根据权利要求5所述的方法,其中,所述指示能够选择用于生成包括在所述二维数字图像中的所述对象的所述AR/VR数字内容。

7.根据权利要求1所述的方法,其中,所述指示指明所述对象不适合生成所述AR/VR数字内容。

8.根据权利要求7所述的方法,其中,所述指示包括:

指示为何所述对象不适合生成所述AR/VR数字内容的意见;或者

指示如何对后续二维数字图像中所述对象的捕获进行校正的意见。

9.根据权利要求8所述的方法,其中,所述指示是使用意见机器学习模型生成的,并且响应于由所述机器学习模型确定所述对象不适合生成用于在所述AR/VR环境中显示的AR/VR数字内容而被执行。

10.根据权利要求1所述的方法,还包括:

由所述至少一个计算装置生成所述AR/VR数字内容;以及

由所述至少一个计算装置输出用于作为所述AR/VR环境的一部分在所述用户界面中显示的所述AR/VR数字内容。

11.一种由至少一个计算装置实现的方法,所述方法包括:

由所述至少一个计算装置接收第一数字图像;

由所述计算装置确定由所述第一数字图像捕获的对象不适合生成用于在增强现实/虚拟现实AR/VR环境中显示的AR/VR数字内容,所述确定是使用AR/VR适合性机器学习模型执行的;

由所述计算装置使用意见机器学习模型生成意见,所述意见指示:

为何由所述第一数字图像捕获的所述对象不适合生成所述AR/VR数字内容;或者

如何对后续数字图像中所述对象的捕获进行校正;以及

由所述计算装置输出用于在用户界面中显示的所述意见。

12.根据权利要求11所述的方法,其中,响应于确定由所述第一数字图像捕获的所述对象不适合生成AR/VR数字内容,自动地并且在没有用户干预的情况下执行所述意见的生成。

13.根据权利要求11所述的方法,其中,所述AR/VR适合性机器学习模型被实现为与实现所述意见机器学习模型的卷积神经网络分离的卷积神经网络。

14.根据权利要求11所述的方法,其中,所述意见的生成不是响应于确定由所述第一数字图像捕获的所述对象适合生成AR/VR数字内容而执行的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子湾有限公司,未经电子湾有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980066386.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top