深度预测方法、装置、电子设备、介质与流程

1.本公开涉及人工智能技术领域，尤其涉及增强现实ar、虚拟现实、计算机视觉、深度学习等技术领域，具体涉及一种深度预测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.近年来，随着深度神经网络的迅速发展，基于深度学习的单目深度估计得到了广泛的研究。例如，在无人驾驶领域，深度信息对于自动驾驶系统的感知和估计自身位姿是十分重要的。此外，深度信息在3d地图重建、增强现实、虚拟现实、混合现实等领域也得到了广泛应用。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种深度预测方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种深度预测方法，包括：获取至少两个视频帧，所述至少两个视频帧包括第一帧和第二帧；响应于确定针对所述第一帧存在第一深度数据，确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据；以及基于所述第二帧的图像数据和所述经变换的第一深度数据确定所述第二帧的预测的第二深度数据。
7.根据本公开的另一方面，提供了一种深度预测装置，包括：视频帧获取单元，用于获取至少两个视频帧，所述至少两个视频帧包括第一帧和第二帧；变换单元，用于响应于确定针对所述第一帧存在第一深度数据，确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据；以及预测单元，用于基于所述第二帧的图像数据和所述经变换的第一深度数据确定所述第二帧的预测的第二深度数据。
8.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的一个或多个实施例的深度预测方法。
9.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储
介质，其中，所述计算机指令用于使所述计算机执行根据本公开的一个或多个实施例的深度预测方法。
10.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的一个或多个实施例的深度预测方法。
11.根据本公开的一个或多个实施例，可以准确地基于视频帧进行深度预测。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
14.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
15.图2示出了根据本公开的实施例的深度预测方法的流程图；
16.图3示出了根据本公开的实施例的深度预测方法的数据流示意图；
17.图4示出了根据本公开的实施例的深度预测装置的结构框图；
18.图5示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
21.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
22.下面将结合附图详细描述本公开的实施例。
23.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
24.在本公开的实施例中，服务器120可以运行使得能够执行根据本公开的深度预测
方法的一个或多个服务或软件应用。
25.在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
26.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
27.用户可以使用客户端设备101、102、103、104、105和/或106来进行深度预测、查看预测结果等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
28.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
29.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、区块链网络、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
30.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
31.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序
和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
32.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
33.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
34.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
35.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
36.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
37.下面参考图2描述根据本公开的示例性实施例的深度预测方法200。
38.在步骤s201处，获取至少两个视频帧，所述至少两个视频帧包括第一帧和第二帧。
39.在步骤s202处，响应于确定针对所述第一帧存在第一深度数据，确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据。
40.在步骤s203处，基于所述第二帧的图像数据和所述经变换的第一深度数据确定所述第二帧的预测的第二深度数据。
41.根据本公开的实施例所述的方法，能够准确地基于视频帧进行深度预测。
42.在深度预测领域，对每帧单独预测容易造成预测结果在时序上的一致性差。例如，由于相机位置波动、图像中物体移动或其他小的噪声影响，造成在不同的帧之间预测结果变化很大。相反，根据本公开的方法，能够在预测一帧的深度时，将视频中另一帧的深度结果作为输入。换言之，可以将另一帧的深度投射到当前帧的图像平面来作为先验，从而能够保证更好的时序一致性。
43.例如，将第一帧的第一深度数据(有时也可以称为深度矩阵或深度图)记为d1，则可以基于计算将第一帧投射到第二帧的图像坐标系下的经变换的第一深度数据d
′2。例如，有
44.d
′2＝π(π-1
(d1))
45.其中π表示从相机坐标系到图像坐标系的投影或映射，π-1
表示从图像坐标系到相机坐标系的投影或映射。
46.根据一些实施例，确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据包括：基于与所述第二帧相对应的相机位姿确定所述经变换的第一深度数据。
47.根据这样的实施例，通过考虑相机位姿，能够确定因相机位姿带来的帧之间的深度变换，这样变换后的深度数据能够更加保证帧间的时序一致性。继续上文的示例，将与第二帧对应的相机位姿记为p
i 1
，则有
48.d
′2＝π(p
i 1
,π-1
(d1))
49.其中π表示从相机坐标系到图像坐标系的投影或映射，π-1
表示从图像坐标系到相机坐标系的投影或映射，d1表示第一深度数据，d
′2表示经变换的第一深度数据。
50.可以理解的是，本公开不限于此。例如，可以不借助相机位姿来进行以上映射，或者，可以附加或替换地考虑第一帧的相机位姿来进行上述映射，等等。
51.根据一些实施例，基于与所述第二帧相对应的相机位姿确定所述经变换的第一深度数据包括：基于相机内参将所述第一深度数据投影到相机坐标系以获得相机坐标系下的第一深度数据；以及基于与所述第二帧相对应的相机位姿，将所述相机坐标系下的第一深度数据投影到所述第二帧的图像坐标系以获得所述经变换的第一深度数据。
52.根据这样的实施例，能够进一步考虑相机内参矩阵，实现相机坐标系与像素坐标系的转换。可以理解的是，相机内参也可以被称为相机内部参数，并且例如可以包括分辨率、相机坐标系参数等等。例如，在这样的实施例中，有
53.d
′2＝π(p
i 1
,π-1
(i,d1))
54.其中i表示相机内参，其余变量的含义如上所述，并且在此不再赘述。
55.根据一些实施例，方法200还可以包括确定帧间投影掩码，所述帧间投影掩码表示所述第一帧的各个像素能否被投影到所述第二帧的图像平面，并且其中，所述基于所述第二帧的图像数据和所述经变换的第一深度数据确定所述第二帧的预测的第二深度数据包括：基于所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码确定所述第二帧的预测的第二深度数据。
56.换言之，确定所述第二帧的预测的第二深度数据还可以基于所述帧间投影掩码。在这样的实施例中，还确定帧间投影掩码，例如记为mask。帧间投影掩码mask可以标识第一帧的像素在平面移动后是否还被包括在第二帧中，从而使得第一帧作为参考数据更加有针对性。可以理解的是，帧间投影掩码mask也可以被称作投影掩码、投影矩阵、投影图等，可以是与第一深度数据和第二深度数据一样大的矩阵或图，其中每个值标识对应的第一帧的像素与第二帧的投影关系。作为一个具体的非限制性示例，帧间投影掩码mask可以是与第一深度数据对应的矩阵或图，其中每个数字或者点为1表示第一深度数据的对应像素点仍被投影在第二帧中，为0则表示不被投影在第二帧中。可以理解的是，本公开不限于此。
57.根据一些实施例，基于所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码确定所述第二帧的预测的第二深度数据包括：将所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码输入预训练的模型以确定所述第二帧的预测的第二深度数据。
58.通过预训练的模型来建立两帧之间的深度数据的关联。尤其是，将第一帧的深度
数据、投影关系均作为模型的输入，使得模型在确定第二帧的深度时具有更多先验知识，从而获得更准确的效果。
59.作为一个示例，在训练过程中，当处理第j帧时(j》0)，可以根据之前的某一帧(记为第i帧)的深度数据di、相机位姿pj以及相机内参i中的一个或多个，将di转换到相机坐标系下，之后再重投影到第j帧，以获得经变换的深度数据
60.d
′j＝π(pj,π-1
(i,di))
61.可以理解的是，深度数据di可以是网络对第i帧的预测结果，也可以是以其他方式获取的深度数据，例如标定的真实值，等等，并且本公开不限于此。
62.此外，还可以获取投影掩码mask，将经变换的深度数据d
′j与投影掩码mask相乘，并与第j帧的样本数据(例如，rgb数据或其他像素数据)fj一起输入到深度估计网络。之后，针对对于第j帧的数据fj输出的预测值dj，计算损失函数：
63.loss＝|dj,gj|
64.其中，gj是标定的真实标签。可以理解的是，虽然这里针对有监督训练的模型描述了损失函数的构建，但是本公开不限于此。本领域技术人员将能理解，本公开所适用的方法可以适用于各种半监督或无监督训练模型，并且本领域技术人员可以使用各种适用于半监督或无监督训练模型的损失函数来对模型进行训练，只要在训练中模型的输入考虑了另一帧(“第一帧”)的深度数据(“第一深度数据”)即可。
65.类似地，在实际预测过程中，仍然将当前待预测的图像帧记为第j帧，并且假设对之前的某一帧(记为第i帧)已经存在深度数据di，也可以类似地将经变换的深度数据d
′j、投影掩码mask、待预测的第j帧的数据fj一起输入到深度估计网络。并与待预测的第j帧的数据(例如，rgb数据或其他像素数据)fj一起输入到预训练的深度估计网络，输出预测值dj。
66.根据一些实施例，将所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码输入预训练的模型包括：将所述经变换的第一深度数据和所述帧间投影掩码相乘，并且将相乘的结果以及所述第二帧的图像数据输入所述预训练的模型。
67.将帧间投影掩码与深度数据相乘，以仅保留被包括在第二帧中的第一帧像素，减少多余数据对模型的干扰。例如，继续上文的示例，可以在输入模型之前，将经变换的深度数据d
′j与投影掩码mask相乘，并且将相乘结果输入到模型中。
68.根据一些实施例，方法200还可以包括，在确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据之前：至少基于所述第一帧的图像数据获得所述第一深度数据。
69.在这样的实施例中，第一深度数据可以是根据同样的方法、模型或网络等预测的深度数据。由此，可以在不需要外界标定的情况下，通过视频帧中的至少两个图像实现时序上的一致性。
70.作为一个示例，在第一帧是视频帧中第一个被预测的帧的情况下，可以仅基于其图像数据本身来预测深度数据。或者，为了保证数据格式的一致性，可以在确定当前帧是第一个帧的时候，生成一个空白或全为0值的“经变换的深度图像”(以及可选地，生成空白掩码)。
71.作为另一个示例，在第一帧不是视频帧中第一个被预测的帧的情况下，可以基于前一帧的预测深度来获得第一帧的第一深度数据。也即，可以在包含三个或更多个帧的视
频中循环地使用本公开的视频预测方法以保证时序上的一致性。
72.根据一些实施例，所述第一帧和所述第二帧是所述视频帧中的时间上相邻的帧。利用相邻帧之间的深度，更能够保证时序上的一致性。在这样的可选实施例中，继续上文的示例，在第一帧被记为第i帧的情况下，第二帧的编号j可以等于i 1。可以理解的是，本公开并不限于此。例如，根据本公开的保证连续性的深度估计方法可以每隔几个帧执行一次、仅在某些关键帧之间执行，等等。
73.参照图3示出了根据本公开的具体的非限制性示例模型训练过程中的数据流示意图。
74.训练数据可以包括多个视频帧(例如，至少包括第一帧和第二帧)的数据(例如，rgb图)、多个视频帧之间的位姿变化和对应帧序列的深度真值标签。如前文所述，虽然此处在有监督训练的示例下进行描述，但是本公开不限于此。
75.作为一个示例，当处理第i 1帧作为“第二帧”时，根据网络对第i帧(作为“第一帧”)的预测结果d
i 301及相机位姿p
i 1
、相机内参i等，在310处进行重投影，通过公式d
′
i 1
＝π(p
i 1
,π-1
(i,di))得到深度数据d
′
i 1 302及投影掩码303。
76.将投影图d
′
i 1
与mask相乘并与第二帧的数据f
i 1 304一起输入到深度估计网络320，输出预测值305，并且将预测值与标定的真值306进行损失函数的计算。
77.可以理解的是，以上仅为示例，并且本公开不限于此。
78.相关技术中，往往在单张图像上进行训练，对视频的深度预测在时间上的稳定性并不好。此外，在相关技术中，对视频深度估计的一致性的约束包括对每一个待估计的视频使用光流在视差及空间两个方面同时进行监督训练或在训练阶段使用光流进行监督，并将训练好的网络应用到之后的每个视频上，不做额外的处理。然而，这样的解决方案可能会带来低效率和较长的计算耗时，并且在时序上的一致性不够稳定。因此，本公开提出了在对视频进行深度估计时，在时序上优化一致性的方案，本方案在保证性能的前提下，输出前后帧稳定一致的深度估计，为3d重建、ar、vr等领域带来更好的体验效果。
79.现在参考图4描述根据本公开的实施例的深度预测装置400。深度预测装置400可以包括视频帧获取单元401、变换单元402和预测单元403。视频帧获取单元401用于获取至少两个视频帧，所述至少两个视频帧包括第一帧和第二帧。变换单元402用于响应于确定针对所述第一帧存在第一深度数据，确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据。预测单元403用于基于所述第二帧的图像数据和所述经变换的第一深度数据确定所述第二帧的预测的第二深度数据。
80.根据本公开的实施例所述的装置，能够准确地基于视频帧进行深度预测。
81.根据一些实施例，所述变换单元402可以包括：用于基于与所述第二帧相对应的相机位姿确定所述经变换的第一深度数据的单元。
82.根据一些实施例，用于基于与所述第二帧相对应的相机位姿确定所述经变换的第一深度数据的单元可以包括：用于基于相机内参将所述第一深度数据投影到相机坐标系以获得相机坐标系下的第一深度数据的单元；以及用于基于与所述第二帧相对应的相机位姿，将所述相机坐标系下的第一深度数据投影到所述第二帧的图像坐标系以获得所述经变换的第一深度数据的单元。
83.根据一些实施例，装置400还可以包括掩码确定单元，所述掩码确定单元可以用于
确定帧间投影掩码，所述帧间投影掩码表示所述第一帧的各个像素能否被投影到所述第二帧的图像平面，并且其中，所述预测单元还用于基于所述帧间投影掩码确定所述第二帧的预测的第二深度数据。
84.根据一些实施例，所述预测单元403可以包括：用于将所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码输入预训练的模型以确定所述第二深度数据的单元。
85.根据一些实施例，用于将所述第二帧的图像数据、所述经变换的第一深度数据和所述帧间投影掩码输入预训练的模型以确定所述第二深度数据的单元可以包括：用于将所述经变换的第一深度数据和所述帧间投影掩码相乘，并且将相乘的结果以及所述第二帧的图像数据输入所述预训练的模型的单元。
86.根据一些实施例，装置400还可以包括，用于在确定第一深度数据在所述第二帧的图像坐标系下的经变换的第一深度数据之前，至少基于所述第一帧的图像数据获得所述第一深度数据的单元。
87.根据一些实施例，所述第一帧和所述第二帧可以是所述至少两个视频帧中的时间上相邻的帧。
88.本公开的技术方案中，所涉及的用户个人信息的收集、获取，存储、使用、加工、传输、提供和公开应用等处理，均符合相关法律法规的规定，且不违背公序良俗。
89.根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
90.参考图5，现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
91.如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
92.电子设备500中的多个部件连接至i/o接口505，包括：输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备，输入单元506可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、
网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
93.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如方法200及其变型例等。例如，在一些实施例中，方法200及其变型例等可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到ram 503并由计算单元501执行时，可以执行上文描述的方法200及其变型例等的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200及其变型例等。
94.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
95.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
96.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
97.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
98.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
99.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
100.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
101.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。