CN113643376B - 相机视角生成方法、装置、计算设备以及存储介质 - Google Patents

相机视角生成方法、装置、计算设备以及存储介质 Download PDF

Info

Publication number
CN113643376B
CN113643376B CN202110790390.7A CN202110790390A CN113643376B CN 113643376 B CN113643376 B CN 113643376B CN 202110790390 A CN202110790390 A CN 202110790390A CN 113643376 B CN113643376 B CN 113643376B
Authority
CN
China
Prior art keywords
view angle
camera view
template
scene
camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110790390.7A
Other languages
English (en)
Other versions
CN113643376A (zh
Inventor
黄茜茜
陈丰
何剑丰
邓曦澄
何迅
蔡文彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Qunhe Information Technology Co Ltd
Original Assignee
Hangzhou Qunhe Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Qunhe Information Technology Co Ltd filed Critical Hangzhou Qunhe Information Technology Co Ltd
Priority to CN202110790390.7A priority Critical patent/CN113643376B/zh
Publication of CN113643376A publication Critical patent/CN113643376A/zh
Application granted granted Critical
Publication of CN113643376B publication Critical patent/CN113643376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种相机视角生成方法、装置、计算设备以及存储介质，包括：获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格对应的效果图作为相机视角模板；对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐。能够依据设计场景类型自动生成合适相机视角，提升设计效率。

Description

相机视角生成方法、装置、计算设备以及存储介质
技术领域
本发明属于场景设计技术领域，具体涉及一种相机视角生成方法、装置、计算设备以及存储介质。
背景技术
场景设计过程就是设计者基于设计工具软件来搭建目标场景。在设计过程中，设计者会观察目标场景某个角度时来判断设计效果，此时可以通过设计工具提供的取景功能来得到效果图，所谓取景就是要在场景里面摆放虚拟相机，通过快照或者渲染等技术获取当前视角的效果图片，目前相机取景过程存在如下问题：
问题1：对于非专业设计者，通常不确定怎样构图选择视角可以更好地表现场景，因此需要设计者掌握很多构图技巧，消耗学习成本和一定入门成本。
问题2：对于专业设计者，即使在确定大致取景视角后，为了突出视角内想要表达核心主体，还需要花时间在视角内进行反复微调，效率低，且消耗大量调整成本。
问题3：设计者构图取景视角一般比较偏个人***台趋势下，满足各种各样的构图取景需求也很有价值的。
发明内容
鉴于上述，本发明的目的是提供一种相机视角生成方法、装置、计算设备以及存储介质，依据设计场景类型自动生成合适相机视角，提升设计效率。
第一方面，实施例提供的一种相机视角生成方法，包括以下步骤：
获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格对应的效果图作为相机视角模板；
对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐。
第二方面，实施例提供的一种相机视角生成装置，包括：
获取模块，用于获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
生成模块，用于依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格对应的效果图作为相机视角模板；
分割模块，用于对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
匹配推荐模块，用于对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐。
第三方面，实施例提供的一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的相机视角生成方法的步骤。
第四方面，实施例提供的一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理执行时实现第一方面所述的相机视角生成方法的步骤。
上述实施例提供的技术方案，具有的有益效果至少包括：
通过从场景效果图中提取核心主体信息和相机视角信息来构建各种相机视角风格及对应的相机视角模板，以保证相机视角准确性和多样性；通过对目标场景和相机视角模板的分割结果进行匹配来确定相机视角分割并推荐，提升了相机视角的设计效率，且适用性更强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。
图1是一实施例提供的相机视角生成方法的流程图；
图2～图4是一实施例提供的确定的相机视角风格示意图；
图5是一实施例提供的相机视角生成方法的流程图；
图6是一实施例提供的相机视角生成装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
为了提高设计的普适性以及设计效率，本发明实施例提供了相机视角生成方法、装置、计算设备以及存储介质。图1是一实施例提供的相机视角生成方法的流程图。如图1所示，实施例提供的相机视角生成方法，包括以下步骤：
S110，获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息。
一些室内设计，公装、建筑设计等行业等不同行业的设计平台会存储大量优秀设计师设计的室内外场景的设计效果图。该些设计效果图中可以是经过渲染得到的渲染图，包含了完成的核心主体信息和相机视角信息，因此，可以定时从设计平台提取设计师投稿的设计效果图作为构建相机视角风格的基础数据。针对获取的场景效果图，可以采用图像识别技术或者渲染场景重建算法，从效果图中提取核心主体信息和相机视角信息并记录。
实施例中，将场景中通常来说必要的且形体较大的实体作为核心主体，作为设计效果图的核心素材或基本素材。该核心主体的确定与场景类型相关，例如针对客厅场景，会将尺寸较大的沙发作为核心主体；针对卧室场景，会将床体作为核心主体。当然，核心主体也可以是设计主要感兴趣的目标主体。总之，感兴趣的目标主体或者具有代表性的大实体都可以作为核心主体。其中，核心主体信息包括核心主体的三维空间形状、大小以及空间位置等，这些核心主体信息关联到核心主体的业务信息，可以理解为，将这些核心主体信息记录在核心主体代表的业务名称，例如，将设置在客厅的靠墙区域的较大的长方形关联到沙发这一业务名称。实施例中，依据空间位置确定核心主体之间的相对位置关系，该相对位置关系可以为确定相机视角风格做参考。
实施例中，相机视角信息是指包含相机属性参数的信息，可以包括相机位置、相机视角、构图比以及裁剪等，依据相机位置和核心主体的空间位置确定在场景空间轮廓内的相对位置，该相对位置作为确定相机视角风格的基础数据。
S120，依据核心主体信息和相机视角信息确定相机视角风格，并关联对应相机视角模板。
实施例中，对核心主体信息和相机视角信息进行建模，通过筛选归类的方式，将这些核心主体信息和相机视角信息表现出的相似特征归类为某种相机视角风格，并将与相交视角风格相匹配的典型效果图作为相机视角模板。
一个实施方式中，根据相对位置和相机视角进行筛选并归类确立相机视角风格包括：
如图2所示，当相机与核心主体均处于场景空间的相对中心线位置，相机视角正对核心主体，则归类为空间对称风格。其中，相对中心线位置是指距离场景空间的中心线有一定约束距离的位置，该约束距离可自定义，例如约束距离定义为10cm，则认为距离中心线10cm以内的位置都是相对中心线位置。当相机与核心主体均处于场景空间的相对中心线位置，且相机视角正对核心主体，具有这样特征则认为是空间对称风格，针对空间对称风格布局时，以空间的短边中心点作为相机视野目标中心点进行布局设计。
如图3所示，当相机处于场景空间的相对中心线位置，核心主体处于场景空间的相对中心线位置的两侧，相机视角正对核心主体，则归类为斜角风格。针对斜角风格布局时，对目标空间从斜角方向布局，同时确保整个核心区域在视野内。
如图4所示，当相机和核心主体的中心重合，相机视角处于水平或垂直方向，则归类为主体风格。针对主体风格布局时，选择目标家具中心点作为相机中心，按照垂直或者水平方向布局。
S130，对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果。
为了实现对目标场景与相机视角模板的快速匹配，先对目标场景和相机视角模板进行空间区域分割，可以采用k-d树算法对目标场景和相机视角模板进行空间区域分割，得到的目标场景分割结果和模板分割结果分别以k-d树进行管理。
S140，对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐。
实施例中，对场景分割结果和模板分割结果进行匹配包括：根据场景分割结果和模板分割结果，从核心主体的匹配度、空间的平均距离差距、核心主体的空间位置三个维度进行匹配，将三个维度的匹配结果的加权求和作为最终匹配结果。可以直接对k-d树进行管理的场景分割结果和模板分割结果进行三个维度的匹配，然后加权就和，权重因子可以自行设置，然后筛选加权求和的最终匹配结果值前n大的相机视角模板对应的相机视角风格作为推荐。
针对核心主体的匹配度，计算目标场景的核心主体类目与相机视角模板的核心主体类目的匹配度作为匹配结果。该匹配结果主要用来描述核心主体的匹配度。具体可以依据核心主体对应的业务信息，统计相同类型核心主体的类别个数，以类别个数作为匹配度。例如，当目标场景和相机视角模板中，均存在沙发和电视机时，此时认为这两类是相匹配的，对应的匹配度可以是2。
针对空间的平均距离差距，计算目标场景空间轮廓与相机视角模板空间轮廓之间的距离作为匹配结果。该匹配结果主要用来描述空间的匹配度。举例说明，假设目标场景为卧室，相机视角模板为客餐厅，可以计算卧室的空间多边形轮廓与客餐厅的空间轮廓的欧氏距离最为匹配结果。
针对核心主体的空间位置，计算目标场景的核心主体距离目标场景空间轮廓的上下左右距离组与相机视角模板的核心主体距离相机视角模板空间轮廓的上下左右距离组之间的diff值作为匹配结果。该匹配结果主要用来描述核心主体在空间位置的匹配度。
实施例中，从以上三个维度全方面地计算目标场景与相机视角模板的匹配度，以更准确地获得匹配结果作为推荐的基础。在获得匹配结果之后，按照匹配率从大到小的顺序选择依次靠前的相机视角模板进行推荐。
在实际的应用过程中，为了提升计算效率和降低计算开销，采用多级缓存技术缓存模板分割结果，以用于下次与场景分割结果的匹配。
如图5所示，实施例提供的相机视角生成方法，还包括：
S150收集相机视角模板的使用情况，依据相机视角模板的使用量为用户进行相机视角模板的个性化推荐，同时提高下次匹配过程中，相机视角模板的使用权重。
实施例中，监控并整理收集相机视角模板的使用情况，依据相机视角模板的使用量作为用户的偏好值，依据该偏好值进行相机视角模板的个性化推荐。在下次匹配过程中，提高喜欢相机视角风格的相机视角模板的权重因子，这样可以达到动态的进行个性化推荐。
上述实施例提供的相机视角生成方法，通过从场景效果图中提取核心主体信息和相机视角信息来构建各种相机视角风格及对应的相机视角模板，以保证相机视角准确性和多样性；通过对目标场景和相机视角模板的分割结果进行匹配来确定相机视角分割并推荐，提升了相机视角的设计效率，同时能够达到相机视角的千人千面的个性化推送。此外，该相机视角生成方法，适合不同设计者个性化推荐，通过设计者的行为判断设计师喜欢的构图风格类型，动态试试更新推荐相机视角模板，适用性更强，适合室内装饰领域，也适合室外、公装、空间建筑等多元领域的场景，有广泛的通用应用价值。
图6是一实施例提供的相机视角生成装置的结构示意图。如图6所示，实施例提供的一种相机视角生成装置600，包括：
获取模块610，用于获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
生成模块620，用于依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格及对应的效果图作为相机视角模板；
分割模块630，用于对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
匹配推荐模块640，用于对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板对应的相机视角风格作为推荐。
需要说明的是，实施例提供的相机视角生成方法在进行自动生成相机视角时，应以上述各功能模块的划分进行举例说明，可以根据需要将上述功能分配由不同的功能模块完成，即在终端或服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，实施例提供的相机视角生成装置与相机视角生成方法实施例属于同一构思，其具体实现过程详见相机视角生成方法实施例，这里不再赘述。
实施例还提供了一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，所述处理器执行所述计算机程序时实现上述相机视角生成方法，包括以下步骤：
S110，获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
S120，依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格对应的效果图作为相机视角模板；
S130，对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
S140，对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐；
S150，收集相机视角模板的使用情况，依据相机视角模板的使用量为用户进行相机视角模板的个性化推荐，同时提高下次匹配过程中，相机视角模板的使用权重。
实施例还提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理执行时实现上述相机视角生成方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种相机视角生成方法，其特征在于，包括以下步骤：
获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格对应的效果图作为相机视角模板；
对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
对场景分割结果和模板分割结果进行匹配，并获得匹配结果，具体根据场景分割结果和模板分割结果，从核心主体的匹配度、空间的平均距离差距、核心主体的空间位置三个维度进行匹配，将三个维度的匹配结果的加权求和作为最终匹配结果，其中针对核心主体的匹配度，计算目标场景的核心主体类目与相机视角模板的核心主体类目的匹配度作为匹配结果；针对空间的平均距离差距，计算目标场景空间轮廓与相机视角模板空间轮廓之间的距离作为匹配结果；针对核心主体的空间位置，计算目标场景的核心主体距离目标场景空间轮廓的上下左右距离组与相机视角模板的核心主体距离相机视角模板空间轮廓的上下左右距离组之间的diff值作为匹配结果；
依据匹配结果筛选匹配率大的相机视角模板及对应的相机视角风格作为推荐。
2.如权利要求1所述的相机视角生成方法，其特征在于，所述核心主体信息包括核心主体的三维空间形状、大小以及空间位置，依据空间位置确定核心主体之间的相对位置关系；
所述相机视角信息包括相机位置、相机视角、构图比以及裁剪，依据相机位置和核心主体的空间位置确定在场景空间轮廓内的相对位置。
3.如权利要求1所述的相机视角生成方法，其特征在于，所述根据相对位置和相机视角进行筛选并归类确立相机视角风格包括：
当相机与核心主体均处于场景空间的相对中心线位置，相机视角正对核心主体，则归类为空间对称风格；
当相机处于场景空间的相对中心线位置，核心主体处于场景空间的相对中心线位置的两侧，相机视角正对核心主体，则归类为斜角风格；
当相机和核心主体的中心重合，相机视角处于水平或垂直方向，则归类为主体风格。
4.如权利要求1所述的相机视角生成方法，其特征在于，采用k-d树算法对目标场景和相机视角模板进行空间区域分割，得到的目标场景分割结果和模板分割结果分别以k-d树进行管理。
5.如权利要求1所述的相机视角生成方法，其特征在于，采用多级缓存技术缓存模板分割结果，以用于下次与场景分割结果的匹配。
6.如权利要求1-5任一项所述的相机视角生成方法，其特征在于，还包括：收集相机视角模板的使用情况，依据相机视角模板的使用量为用户进行相机视角模板的个性化推荐，同时提高下次匹配过程中，相机视角模板的使用权重。
7.一种相机视角生成装置，其特征在于，包括：
获取模块，用于获取场景效果图，提取并记录所述场景效果图的核心主体信息和相机视角信息；
生成模块，用于依据场景空间轮廓、核心主体信息以及相机视角信息，确定相机与核心主体在场景空间轮廓内的相对位置，依据相对位置和相机视角进行筛选并归类确立相机视角风格，并关联相机视角风格及对应的效果图作为相机视角模板；
分割模块，用于对目标场景和相机视角模板进行空间区域分割，得到目标场景分割结果和模板分割结果；
匹配推荐模块，用于对场景分割结果和模板分割结果进行匹配，并获得匹配结果，依据匹配结果筛选匹配率大的相机视角模板对应的相机视角风格作为推荐，其中，匹配过程为：根据场景分割结果和模板分割结果，从核心主体的匹配度、空间的平均距离差距、核心主体的空间位置三个维度进行匹配，将三个维度的匹配结果的加权求和作为最终匹配结果，其中针对核心主体的匹配度，计算目标场景的核心主体类目与相机视角模板的核心主体类目的匹配度作为匹配结果；针对空间的平均距离差距，计算目标场景空间轮廓与相机视角模板空间轮廓之间的距离作为匹配结果；针对核心主体的空间位置，计算目标场景的核心主体距离目标场景空间轮廓的上下左右距离组与相机视角模板的核心主体距离相机视角模板空间轮廓的上下左右距离组之间的diff值作为匹配结果。
8.一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述的相机视角生成方法的步骤。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理执行时实现权利要求1-6任一项所述的相机视角生成方法的步骤。
CN202110790390.7A 2021-07-13 2021-07-13 相机视角生成方法、装置、计算设备以及存储介质 Active CN113643376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110790390.7A CN113643376B (zh) 2021-07-13 2021-07-13 相机视角生成方法、装置、计算设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110790390.7A CN113643376B (zh) 2021-07-13 2021-07-13 相机视角生成方法、装置、计算设备以及存储介质

Publications (2)

Publication Number Publication Date
CN113643376A CN113643376A (zh) 2021-11-12
CN113643376B true CN113643376B (zh) 2024-05-03

Family

ID=78417212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110790390.7A Active CN113643376B (zh) 2021-07-13 2021-07-13 相机视角生成方法、装置、计算设备以及存储介质

Country Status (1)

Country Link
CN (1) CN113643376B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101854482B (zh) * 2009-03-11 2012-09-05 索尼公司 图像拾取装置和图像拾取装置的控制方法
WO2018086262A1 (zh) * 2016-11-08 2018-05-17 华为技术有限公司 一种获取拍摄参考数据的方法、移动终端以及服务器
CN108513073A (zh) * 2018-04-13 2018-09-07 朱钢 一种具备摄影师构图意识的手机拍照机能的实现方法
CN108989670A (zh) * 2018-07-18 2018-12-11 奇酷互联网络科技（深圳）有限公司 移动终端和引导用户拍照的方法、装置
CN110336945A (zh) * 2019-07-09 2019-10-15 上海泰大建筑科技有限公司 一种智能辅助摄影构图方法及***
CN110430359A (zh) * 2019-07-31 2019-11-08 北京迈格威科技有限公司 拍摄辅助方法、装置、计算机设备和存储介质
CN111343382A (zh) * 2020-03-09 2020-06-26 Oppo广东移动通信有限公司 拍照方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10373380B2 (en) * 2016-02-18 2019-08-06 Intel Corporation 3-dimensional scene analysis for augmented reality operations
US10594926B2 (en) * 2017-01-25 2020-03-17 International Business Machines Corporation Preferred picture taking

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101854482B (zh) * 2009-03-11 2012-09-05 索尼公司 图像拾取装置和图像拾取装置的控制方法
WO2018086262A1 (zh) * 2016-11-08 2018-05-17 华为技术有限公司 一种获取拍摄参考数据的方法、移动终端以及服务器
CN108513073A (zh) * 2018-04-13 2018-09-07 朱钢 一种具备摄影师构图意识的手机拍照机能的实现方法
CN108989670A (zh) * 2018-07-18 2018-12-11 奇酷互联网络科技（深圳）有限公司 移动终端和引导用户拍照的方法、装置
CN110336945A (zh) * 2019-07-09 2019-10-15 上海泰大建筑科技有限公司 一种智能辅助摄影构图方法及***
CN110430359A (zh) * 2019-07-31 2019-11-08 北京迈格威科技有限公司 拍摄辅助方法、装置、计算机设备和存储介质
CN111343382A (zh) * 2020-03-09 2020-06-26 Oppo广东移动通信有限公司 拍照方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113643376A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
CN107358596B (zh) 一种基于图像的车辆定损方法、装置、电子设备及***
Ordonez et al. Learning high-level judgments of urban perception
CN110047139B (zh) 一种指定目标三维重建方法及***
CN109829353B (zh) 一种基于空间约束的人脸图像风格化方法
CN103279936A (zh) 基于画像的人脸伪照片自动合成及修正方法
CN110147833A (zh) 人像处理方法、装置、***和可读存储介质
CN111768415A (zh) 一种无量化池化的图像实例分割方法
CN111133477B (zh) 三维重建方法、装置、***和存储介质
CN111461196A (zh) 基于结构特征的快速鲁棒图像识别跟踪方法和装置
CN108268863A (zh) 一种图像处理方法、装置和计算机存储介质
CN112819937B (zh) 一种自适应多对象光场三维重建方法、装置及设备
CN117095300B (zh) 建筑图像处理方法、装置、计算机设备和存储介质
Phillips et al. Bayesian faces via hierarchical template modeling
CN113643376B (zh) 相机视角生成方法、装置、计算设备以及存储介质
US8612183B2 (en) Analysis model generation system
Zhao et al. 3D facial similarity measure based on geodesic network and curvatures
CN115953330B (zh) 虚拟场景图像的纹理优化方法、装置、设备和存储介质
DE102020209189A1 (de) Domain-übergreifendes metric-lernsystem und -verfahren
CN116663113A (zh) 一种基于aigc技术的空间设计生成式方法
CN107220481B (zh) 一种面状要素地图综合质量的定量评价方法
CN115273219A (zh) 一种瑜伽动作评估方法、***、存储介质和电子设备
CN111583098B (zh) 一种基于序列图像的线段聚类及拟合方法和***
Lanitis et al. On the analysis of factors influencing the performance of facial age progression
RU2490710C1 (ru) Способ распознавания изображений лиц и система для его осуществления
Guo et al. Holistic indoor scene understanding by context-supported instance segmentation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant