“S·T·伯奇菲尔德”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]用于多用户协作的同时认证系统-CN201880007750.8有效
发明人： S·T·伯奇菲尔德;A·巴塔查杰;K·J·维纳莱宁;A·贝克 -专利权人：微软技术许可有限责任公司
申请日： 2018-01-05 - 公布日： 2023-07-25 - 主分类号： G06F21/31 文献下载
摘要：一种计算设备，包括：被配置成为两个或更多个用户呈现统一协作会话的触敏用户界面，被配置成同时标识和认证物理上同处协作环境内的多个用户使得多个用户中的每个用户都可以与触敏用户界面触摸交互的认证模块。被配置成在统一协作会话内为每个经认证的用户同时提供一个或多个内容门户的内容模块。每个内容门户被配置成使得经认证的用户能够在统一协作会话内访问、检索和呈现用户拥有的内容文件。以此方式，多个用户可在单个计算设备上同时访问、检索和呈现他们自己的内容文件。
用于多用户协作同时认证系统

[发明专利]使用深度神经网络执行自主路径导航-CN202211513550.4在审
发明人： N·斯莫良斯基;A·加米涅夫;J·D·史密斯;S·T·伯奇菲尔德 -专利权人：辉达公司
申请日： 2018-04-04 - 公布日： 2023-03-28 - 主分类号： G01C21/00 文献下载
摘要：本申请使用深度神经网络执行自主路径导航。公开了一种使用深度神经网络执行自主路径导航的方法、计算机可读介质和系统。所述方法包括以下步骤：在深度神经网络(DNN)处接收图像数据；利用所述图像数据由所述DNN确定运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置两者；以及利用所述运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置来控制所述运载工具的位置。
使用深度神经网络执行自主路径导航

[发明专利]用于任务和运动规划的机器学习模型-CN202180019444.8在审
发明人：朱玉可;Y·朱;S·T·伯奇菲尔德;J·特伦布莱 -专利权人：辉达公司
申请日： 2021-10-22 - 公布日： 2022-10-25 - 主分类号： B25J9/16 文献下载
摘要：描述了解决任务和运动规划问题的装置、系统和技术。在至少一个实施例中，使用记录运动场内的对象的位置和方向的几何场景图形，以及表示待解决任务的环境中的对象的状态的符号场景图形，对任务和运动规划问题进行建模。在至少一个实施例中，使用符号场景图形执行任务规划，并且使用几何场景图形执行运动规划。
用于任务运动规划机器学习模型

[发明专利]单步类别级对象姿态估计-CN202210127251.0在审
发明人： S·T·伯奇菲尔德;J·特伦布莱;Y·林;S·W·泰里 -专利权人：辉达公司
申请日： 2022-02-10 - 公布日： 2022-08-30 - 主分类号： G06T7/73 文献下载
摘要：公开了单步类别级对象姿态估计，具体公开了用于从图像来确定对象的姿态和相对尺寸的装置、系统和技术。在至少一个实施例中，至少部分地基于例如图像的特征从图像来确定对象的姿态和相对尺寸。
类别对象姿态估计

[发明专利]小样本视点估计-CN202110138466.8在审
发明人：曾烘煜;S·D·梅洛;J·特伦布莱;刘思飞;J·考茨;S·T·伯奇菲尔德 -专利权人：辉达公司
申请日： 2021-02-01 - 公布日： 2021-08-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了小样本视点估计。从3D投影图像时，必须确定图像中对象相对于相机的视点。由于图像本身不具有足够的信息来确定图像中各个对象的视点，因此必须采用估计视点的技术。迄今为止，神经网络已被用于以对象类别为基础来推理这种视点估计，但是必须首先用已经人工创建的大量示例进行训练。本公开提供了一种神经网络，其被训练为仅从少量示例图像学习能够推理针对新对象类别的视点估计的唯一视点估计网络。
样本视点估计

[发明专利]活跃发言者位置检测-CN201680070404.5有效
发明人： O·A·怀特;R·柯特勒;A·巴塔查杰;A·P·M·库德勒;A·柯克;S·T·伯奇菲尔德;C·张 -专利权人：微软技术许可有限责任公司
申请日： 2016-12-26 - 公布日： 2021-06-11 - 主分类号： H04N7/14 文献下载
摘要：提供了与确定活跃发言者的位置有关的示例。在一个示例中，房间的图像数据(54)从图像捕捉设备(52)被接收并且三维模型(64)被生成。第一音频数据(26)从图像捕捉设备处的第一话筒阵列(24)被接收。第二音频数据(34)从与图像捕捉设备横向间隔开的第二话筒阵列(30)被接收。第二话筒阵列的位置(82)被确定。使用音频数据以及第二话筒阵列的位置和角取向(68)，活跃发言者的估计位置(84)被确定。使用该估计位置，图像捕捉设备的设置(90)被确定并被输出以突出显示该活跃发言者。
活跃发言者位置检测

[发明专利]用于训练神经网络模型的合成图像的生成-CN201910116079.7在审
发明人： J·特伦布莱;A·普拉卡什;M·A·布罗菲;V·扬帕尼;C·阿尼尔;S·T·伯奇菲尔德;T·H·多;D·J·阿库纳·马雷罗 -专利权人：辉达公司
申请日： 2019-02-13 - 公布日： 2019-08-27 - 主分类号： G06T15/20 文献下载
摘要：本发明公开了用于训练神经网络模型的合成图像的生成。训练深度神经网络需要大量经标记的训练数据。常规地，通过收集手动标记的真实图像来生成经标记的训练数据，这非常耗时。使用域随机化技术生成自动标记的训练数据，而不是手动标记训练数据集。所生成的训练数据可用于训练神经网络以用于对象检测和分割(标记)任务。在一实施例中，所生成的训练数据包括通过渲染3D场景中的三维(3D)感兴趣对象而生成的合成输入图像。在一实施例中，所生成的训练数据包括通过在2D背景图像上渲染3D的感兴趣对象而生成的合成输入图像。3D的感兴趣对象是训练神经网络以检测和/或标记的对象。
训练数据训练神经网络感兴趣对象合成手动标记输入图像图像渲染训练数据集背景图像成本发明对象检测神经网络真实图像自动标记随机化可用耗时三维分割检测

[发明专利]使用深度神经网络执行自主路径导航-CN201810301071.3在审
发明人： N·斯莫良斯基;A·加米涅夫;J·D·史密斯;S·T·伯奇菲尔德 -专利权人：辉达公司
申请日： 2018-04-04 - 公布日： 2018-11-13 - 主分类号： G01C21/00 文献下载
摘要：公开了一种使用深度神经网络执行自主路径导航的方法、计算机可读介质和系统。所述方法包括以下步骤：在深度神经网络(DNN)处接收图像数据；利用所述图像数据由所述DNN确定运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置两者；以及利用所述运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置来控制所述运载工具的位置。
运载工具神经网络横向位置路径导航计算机可读介质接收图像数据图像数据