Abrégé

A method for image generation via backward diffusion of an image uses a wavelet-based diffusion scheme that performs backward diffusion on wavelet space instead of pixel space. At each step t, an output sample yt-1 is generated by a network pθ(yt-1|yt) with parameters θ. After obtaining the clean sample y0 through T steps, it is used to reconstruct the final image via inverse wavelet transformation (IWT). A wavelet-embedded generator receives wavelet subbands of shape [12×H×W] at timestep t, which are processed by a sequence of the proposed components. The outputs of the generator are the approximation of unperturbed inputs.

Classes IPC  ?

• G06T 11/00 - Génération d'images bidimensionnelles [2D]

Abrégé

The invention relates to a photometric alignment method and system for a surround view monitor (SVM) system The photometric alignment method uses an unsupervised network named Sync-Guided Photometric Alignment network (SGPA) which pixel-wisely aligns the SVM surround views. The photometric alignment method employs synchronization to guide pixel-wise color adjustment with losses: minimize the photometric distance between the corresponding overlap areas in the top view and keep the aligned image realistic by keeping the features of the composite image close to the features of the input images. Furthermore, the invention refers to a surround view monitor system that enables the photometric alignment method to run in real-time and reach the production level on embedded devices.

Classes IPC  ?

• G06T 7/30 - Détermination des paramètres de transformation pour l'alignement des images, c.-à-d. recalage des images

Abrégé

System and method for adjusting side mirrors capture, by a primary camera, a facial image of a driver; estimate a 3D eye location with respect to a 3D coordinate of the primary camera based on the captured facial image; map the estimated 3D eye location to a respective set of pitch and yaw of the side mirror based on a look up table; and rotate the side mirror to a target position in accordance with the respective set of pitch and yaw. The lookup table includes a plurality of rows, each containing a pair of a key and a set of values. The key is a set of three parameters of 3D line of locations where the driver can observe an optimal view behind the vehicle, and the set of values includes a set of pitch and yaw of the side mirror corresponding to the 3D line of locations.

Classes IPC  ?

• B60R 1/062 - Dispositions pour les rétroviseurs montés à l'extérieur du véhicule avec une commande à distance pour régler leur position
• G06T 7/80 - Analyse des images capturées pour déterminer les paramètres de caméra intrinsèques ou extrinsèques, c.-à-d. étalonnage de caméra

Abrégé

The present disclosure provides an automatic mirror adjustment system (100) and method (300) for a vehicle. The prior mirror adjustment solutions require some assumptions about driver and car interior to estimate a 3D eye location. In the real varied physical environments (light condition, car model), those assumptions cause significant error resulting in bad performance of mirror controller. The prior mirror adjustment solutions also need 3D model of each mirror and geometric relation between car, camera and mirrors, that is very complicated in calibration. The present disclosure builds a lookup table (104) for mapping an estimated 3D eye location to a respective set of pitch and yaw of the side mirror (102) that ignores all the above calibration steps. Therefore, the mirror adjustment system (100) becomes much more precise and simpler.

Classes IPC  ?

• G06V 10/24 - Alignement, centrage, détection de l’orientation ou correction de l’image
• B60R 1/02 - Dispositions pour les rétroviseurs
• B60R 1/28 - Dispositions de visualisation en temps réel pour les conducteurs ou les passagers utilisant des systèmes de capture d'images optiques, p. ex. des caméras ou des systèmes vidéo spécialement adaptés pour être utilisés dans ou sur des véhicules pour visualiser une zone extérieure au véhicule, p. ex. l’extérieur du véhicule avec un champ de vision réglable
• G06V 20/59 - Contexte ou environnement de l’image à l’intérieur d’un véhicule, p. ex. concernant l’occupation des sièges, l’état du conducteur ou les conditions de l’éclairage intérieur
• G06V 40/19 - Capteurs à cet effet
• B60R 1/062 - Dispositions pour les rétroviseurs montés à l'extérieur du véhicule avec une commande à distance pour régler leur position
• B60R 1/12 - Ensembles de miroirs combinés avec d'autres objets, p. ex. pendules

Abrégé

The present disclosure provides a surround view monitoring system and method for a vehicle. The system comprises a plurality of components. Specifically, a kinematic data measuring part is configured to determine kinematic data of the vehicle. A processor is configured to process image data captured by the plurality of cameras to generate a first three dimensional (3D) representation representative of a surrounding area and process the image data and the kinematic data to generate a second 3D representation representative of a playground area under the vehicle. The processor is further configured to generate a third 3D vehicle representation of the vehicle. A display screen is configured to display a combined representation of the first 3D representation, the second 3D representation and the third 3D vehicle representation as would be viewed from a virtual camera viewpoint. A portion of the third 3D vehicle representation is rendered as displayed to be transparent to enable viewing at the display screen a portion of the first 3D representation and a portion of the second 3D representation. The combined 3D vehicle representation further comprises a dynamic guideline showing a trajectory of the vehicle. The dynamic guideline is rendered based at least on the kinematic data.

Classes IPC  ?

• H04N 7/18 - Systèmes de télévision en circuit fermé [CCTV], c.-à-d. systèmes dans lesquels le signal vidéo n'est pas diffusé
• B60R 1/00 - Dispositions pour la visibilité optiqueDispositions de visualisation en temps réel pour les conducteurs ou les passagers utilisant des systèmes de capture d’images optiques, p. ex. des caméras ou des systèmes vidéo spécialement adaptés pour être utilisés dans ou sur des véhicules
• G06T 15/20 - Calcul de perspectives
• G06T 19/00 - Transformation de modèles ou d'images tridimensionnels [3D] pour infographie

Abrégé

A method for adjusting a side mirror of a vehicle includes capturing, by a primary camera provided in front of a driver of the vehicle, a facial image of the driver; estimating a 3D eye location with respect to a 3D coordinate of the primary camera based on the captured facial image; mapping the estimated 3D eye location to a respective set of pitch and yaw angles of the side mirror based on a lookup table; and rotating the side mirror to a target position in accordance with the respective set of pitch and yaw angles. The lookup table includes a plurality of rows, each row containing a pair of a key and a set of values. The key is a 3D eye location, and the set of values includes a set of pitch and yaw angles of the side mirror corresponding to the 3D eye location.

Classes IPC  ?

• B60R 1/072 - Dispositions pour les rétroviseurs montés à l'extérieur du véhicule avec une commande à distance pour régler leur position avec un organe actionné par l'énergie électrique pour régler le miroir par rapport à son boîtier
• G06T 7/73 - Détermination de la position ou de l'orientation des objets ou des caméras utilisant des procédés basés sur les caractéristiques

Abrégé

A system for generating an advanced surround view for a vehicle includes a plurality of cameras to generate image data. Sensors are configured to determine kinematic data of the vehicle. Kinematic data are also obtained by a visual odometry module and/or a deep-vision mechanism. A processor is configured to process image data captured by the plurality of cameras to generate a 360-degree surround view layer representative of a surrounding area. The processor is further configured to construct an improved bicycle kinematic model for processing kinematic data to generate an under-chassis layer representative of an area under the vehicle. The processor is further configured to generate a 3D vehicle model layer and overlay objects layer. Display screens display a GUI of combined scene of the 360-degree surround view layer, under-chassis layer, 3D vehicle model layer and overlay objects layer as would be viewed from a virtual camera viewpoint.

Classes IPC  ?

• G06T 15/20 - Calcul de perspectives
• B60R 1/27 - Dispositions de visualisation en temps réel pour les conducteurs ou les passagers utilisant des systèmes de capture d'images optiques, p. ex. des caméras ou des systèmes vidéo spécialement adaptés pour être utilisés dans ou sur des véhicules pour visualiser une zone extérieure au véhicule, p. ex. l’extérieur du véhicule avec un champ de vision prédéterminé fournissant une vision panoramique, p. ex. en utilisant des caméras omnidirectionnelles
• G06T 7/246 - Analyse du mouvement utilisant des procédés basés sur les caractéristiques, p. ex. le suivi des coins ou des segments
• G06T 15/04 - Mappage de texture
• G06T 17/20 - Description filaire, p. ex. polygonalisation ou tessellation
• H04N 5/262 - Circuits de studio, p. ex. pour mélanger, commuter, changer le caractère de l'image, pour d'autres effets spéciaux

Abrégé

The present invention relates to a method and a system for training a machine learning model for face recognition. The method comprising generating a training dataset; providing a teacher model that comprises a teacher backbone and a teacher head; iteratively training the teacher backbone and the teacher head using the training dataset; setting the machine learning model to include a lightweight backbone and a lightweight head; copying trained parameters of the trained teacher head to the lightweight head; and iteratively training the lightweight backbone using the training dataset.

Classes IPC  ?

• G06V 40/16 - Visages humains, p. ex. parties du visage, croquis ou expressions
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo

Abrégé

Maneuver assisting system and method are provided. The system includes at least one processor configured to process operations of the system; one or more memories for storing instructions; a communication unit for communicating between components of the system, and between the system and the vehicle and/or a user equipment; a Surrounding View Monitoring (SVM) unit comprising a plurality of sensors for providing a plurality of vehicle-related information; a Human-Machine Interface (HMI) configured for a driver of the vehicle to interact with the system; a display unit configured to display the HMI; a motion planning unit configured to generate a trajectory for the vehicle to follow; and a motion control unit configured to control the automated maneuvers of the vehicle. In particular, the HMI is configured to be implemented in the user equipment in order for the driver to remotely operate the system using the user equipment.

Classes IPC  ?

• B60W 60/00 - Systèmes d’aide à la conduite spécialement adaptés aux véhicules routiers autonomes
• B60W 50/14 - Moyens d'information du conducteur, pour l'avertir ou provoquer son intervention
• B60K 35/00 - Instruments spécialement adaptés aux véhiculesAgencement d’instruments dans ou sur des véhicules
• B60W 30/06 - Manœuvre automatique de stationnement
• B60R 1/23 - Dispositions de visualisation en temps réel pour les conducteurs ou les passagers utilisant des systèmes de capture d'images optiques, p. ex. des caméras ou des systèmes vidéo spécialement adaptés pour être utilisés dans ou sur des véhicules pour visualiser une zone extérieure au véhicule, p. ex. l’extérieur du véhicule avec un champ de vision prédéterminé

Abrégé

A method and system for training a machine learning model for point of gaze prediction simultaneously analyzes the image of the scene and the image of the driver's face using the machine learning model to generate a point of gaze of a driver in traffic environments. The machine learning model comprises a camera calibration module that can compute an embedding vector that represents the spatial configuration between the driver and the camera system. The camera calibration module improves the overall model's performance, which is jointly trained end to end.

Classes IPC  ?

• G06V 20/59 - Contexte ou environnement de l’image à l’intérieur d’un véhicule, p. ex. concernant l’occupation des sièges, l’état du conducteur ou les conditions de l’éclairage intérieur
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 40/16 - Visages humains, p. ex. parties du visage, croquis ou expressions

Abrégé

A method of clustering using encoder-decoder model based on attention mechanism extracts image features, clusters to form image feature vector clusters, and based on the cosine similarity score between the image feature vectors to arrange each image feature vector cluster into an image feature vector sequence. The image feature vector sequence includes cosine distance encoding vectors concatenated with respective image feature vectors and is used as the input data sequence in encoder and decoder neural network models to generate an output data sequence from the input data sequence. The output data sequence is a binary sequence having values of 1 or 0 at a position denoting that the image corresponding to the position is or is not in the same cluster with respect to the center image of the cluster.

Classes IPC  ?

• G06V 10/762 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant le regroupement, p. ex. de visages similaires sur les réseaux sociaux
• G06V 10/77 - Traitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G06F 7/24 - Tri, c.-à-d. extraction de données d'un ou de plusieurs supports, nouveau rangement des données dans un ordre de succession numérique ou autre, et réinscription des données triées sur le support original ou sur un support différent ou sur une série de supports

Abrégé

A parking slot detection method and system includes receiving a plurality of images taken from a plurality of cameras mounted on a vehicle in a parking environment; generating a top view image comprising a surrounding view of the vehicle based on the plurality of images; processing the top view image using a parking line detection model that has been trained using an annotated dataset to detect parking lines for a parking slot in the parking environment, estimate a bounding box for the parking slot and identify an occupancy state of the parking slot; and converting pixel coordinate information of the bounding box to vehicle information.

Classes IPC  ?

• G06V 20/56 - Contexte ou environnement de l’image à l’extérieur d’un véhicule à partir de capteurs embarqués
• G06V 10/26 - Segmentation de formes dans le champ d’imageDécoupage ou fusion d’éléments d’image visant à établir la région de motif, p. ex. techniques de regroupementDétection d’occlusion
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/766 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la régression, p. ex. en projetant les caractéristiques sur des hyperplans
• G06V 10/77 - Traitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 10/94 - Architectures logicielles ou matérielles spécialement adaptées à la compréhension d’images ou de vidéos

Abrégé

In a method and apparatus for extreme-light image enhancement, an input image is passed to a lighting classification module in order to be classified into two categories: an under-exposed lighting condition and an over-exposed light condition. Then the classified image is subsequently passed to an enhancement module which comprises a first image enhancement unit and a second image enhancement unit using a mapping function based on a gamma mapping function for mapping the classified image to an output image, respectively. A parameter of the gamma mapping function is estimated by a parameter estimation network, based on the classified image. The parameter estimation network may be a lightweight CNN network which is trained by an unsupervised approach.

Classes IPC  ?

• G06K 9/00 - Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
• A61K 35/12 - Substances provenant de mammifèresCompositions comprenant des tissus ou des cellules non spécifiésCompositions comprenant des cellules souches non embryonnairesCellules génétiquement modifiées
• G06V 10/25 - Détermination d’une région d’intérêt [ROI] ou d’un volume d’intérêt [VOI]
• G06V 10/50 - Extraction de caractéristiques d’images ou de vidéos en effectuant des opérations dans des blocs d’imagesExtraction de caractéristiques d’images ou de vidéos en utilisant des histogrammes, p. ex. l’histogramme de gradient orienté [HoG]Extraction de caractéristiques d’images ou de vidéos en utilisant l’addition des valeurs d’intensité d’imageAnalyse de projection
• G06V 10/60 - Extraction de caractéristiques d’images ou de vidéos relative aux propriétés luminescentes, p. ex. utilisant un modèle de réflectance ou d’éclairage
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• H04N 23/15 - Génération des signaux d'image avec des circuits pour éviter ou corriger le mauvais recalage d'image

Abrégé

A driver monitor system includes an image data acquiring module configured to acquire a plurality of image data from a data collection module; a training module configured to train a plurality of teacher models to obtain a plurality of feature groups using the plurality of image data, and transfer a plurality of pieces of knowledge obtained from the plurality of feature groups to a plurality of student models, respectively; and at least one edge device comprising the plurality of student models configured to use a pipeline design pattern with multiple threads to make a warning.

Classes IPC  ?

• G06N 20/00 - Apprentissage automatique

Abrégé

A method and system for security assessment include a simulator configured to simulate a warping-based backdoor attack and an evaluation module configured to evaluate security and output a warning about a backdoor risk. The simulator, which comprises a warping unit and a backdoor model, is configured to generate a warping field, the warping unit is configured to receive the clean image and the warping field as inputs and output the warped backdoor image and the simulator is configured to train the backdoor model using the warped backdoor image.

Classes IPC  ?

• G06F 21/57 - Certification ou préservation de plates-formes informatiques fiables, p. ex. démarrages ou arrêts sécurisés, suivis de version, contrôles de logiciel système, mises à jour sécurisées ou évaluation de vulnérabilité
• G06F 21/55 - Détection d’intrusion locale ou mise en œuvre de contre-mesures
• G06F 21/56 - Détection ou gestion de programmes malveillants, p. ex. dispositions anti-virus
• G06F 30/20 - Optimisation, vérification ou simulation de l’objet conçu