CN108629823A - 多视角图像的生成方法和装置 - Google Patents

多视角图像的生成方法和装置 Download PDF

Info

Publication number
CN108629823A
CN108629823A CN201810315637.8A CN201810315637A CN108629823A CN 108629823 A CN108629823 A CN 108629823A CN 201810315637 A CN201810315637 A CN 201810315637A CN 108629823 A CN108629823 A CN 108629823A
Authority
CN
China
Prior art keywords
data
image
image data
training
model
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.)
Granted
Application number
CN201810315637.8A
Other languages
English (en)
Other versions
CN108629823B (zh
Inventor
周鸣
孙旭
谢璐
陈宇
翁志
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810315637.8A priority Critical patent/CN108629823B/zh
Publication of CN108629823A publication Critical patent/CN108629823A/zh
Application granted granted Critical
Publication of CN108629823B publication Critical patent/CN108629823B/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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种多视角图像的生成方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；其中在训练阶段：图像生成模型根据输入的训练图像数据以及训练视角数据生成输出图像数据，预先建立的图像判别模型获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据，图像生成模型利用所述损失数据调整其模型参数。该实施方式能够利用目标物的单一视角图像直接生成具有原始图像各种细节的多视角图像，且成本较低，易于实施。

Description

多视角图像的生成方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种多视角图像的生成方法和装置。
背景技术
在计算机技术领域的某些任务中，往往需要获取目标物在不同三维视角下的图像。例如：在图像检索领域，由于待检索图像的视角单一，容易影响检索精度；在无人驾驶领域，单一视角的图像无法支撑全景视图的构建。实际应用中，使用图像采集设备获取多视角图像需耗费较大成本且实施难度较高，因此有必要开发一种基于目标物单一视角图像生成其多视角图像的方法。现有技术中，上述方法主要有：视角合成方法、视角转换方法以及基于硬件的图像生成方法。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
视角合成方法只适用于形状规则的目标物，对于不规则目标则无法重构其它视角视图；视角转换方法只关注目标物的形状，无法显示其纹理、颜色以及光照等细节；基于硬件的图像生成方法实施成本与复杂度较高，实用性较差。
发明内容
有鉴于此，本发明实施例提供一种多视角图像的生成方法和装置，能够利用目标物的单一视角图像直接生成具有原始图像各种细节的多视角图像，且成本较低，易于实施。
为实现上述目的，根据本发明的一个方面，提供了一种多视角图像的生成方法。
本发明实施例的多视角图像的生成方法包括：将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；其中，在训练阶段：图像生成模型根据输入的训练图像数据以及训练视角数据生成输出图像数据，预先建立的图像判别模型获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据，图像生成模型利用所述损失数据调整其模型参数。
可选地，图像生成模型包括编码器与解码器；以及，所述将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型具体包括：将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器。
可选地，所述目标图像数据为所述训练图像数据。
可选地，编码器包括至少一个卷积层以及至少一个非线性激活层；解码器包括至少一个反卷积层，其数量与编码器中的卷积层相同。
可选地，图像生成模型与图像判别模型组成生成对抗网络，其目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，CE为交叉熵函数；在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，第三项为输出图像数据相对于训练视角数据的损失函数。
为实现上述目的，根据本发明的另一方面，提供了一种多视角图像的生成装置。
本发明实施例的多视角图像的生成装置包括：生成单元，用于将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；训练单元，用于通过以下步骤训练图像生成模型：将训练图像数据以及训练视角数据输入图像生成模型得到输出图像数据；并将输出图像数据输入预先建立的图像判别模型，以获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据；利用所述损失数据调整图像生成模型的模型参数。
可选地，图像生成模型包括编码器与解码器；以及，生成单元进一步用于：将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器。
可选地，所述目标图像数据为所述训练图像数据。
可选地，编码器包括至少一个卷积层以及至少一个非线性激活层；解码器包括至少一个反卷积层，其数量与编码器中的卷积层相同。
可选地，图像生成模型与图像判别模型组成生成对抗网络，其目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，CE为交叉熵函数；在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，第三项为输出图像数据相对于训练视角数据的损失函数。
为实现上述目的，根据本发明的又一方面，提供了一种电子设备。
本发明的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明所提供的多视角图像的生成方法。
为实现上述目的，根据本发明的再一方面，提供了一种计算机可读存储介质。
本发明的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明所提供的多视角图像的生成方法。
根据本发明的技术方案，上述发明中的一个实施例具有如下优点或有益效果：在模型训练阶段，将原始图像与预设视角输入生成对抗网络的图像生成模型，并将图像生成模型的输出图像与作为参照的目标图像(任一原始图像)输入生成对抗网络的图像判别模型；其中，图像判别模型为监督输出图像质量与监督输出图像视角的多任务模型，其可计算输出图像相对于目标图像以及预设视角的损失值并将损失值反馈于图像生成模型，利用上述损失值即可不断优化图像生成模型的模型参数，使之生成的图像逐渐逼近于原始图像以及预设视角，使图像判别模型无法分辨；在训练完成之后，单独利用图像生成模型即可针对各种目标物生成具有其原始图像各种细节的指定视角图像。这样，本发明即以较低成本实现了多视角图像的直接生成，可应用于图像检索、无人驾驶等领域的数据增强任务。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例中多视角图像的生成方法的主要步骤示意图；
图2是根据本发明实施例中多视角图像的生成方法的生成对抗网络结构及其模型训练示意图；
图3是根据本发明实施例中多视角图像的生成装置的组成部分示意图；
图4是根据本发明实施例可以应用于其中的示例性系统架构图；
图5是用来实现本发明实施例中多视角图像的生成方法的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。
在本发明实施例的技术方案中，在模型训练阶段，将原始图像与预设视角输入生成对抗网络的图像生成模型，并将图像生成模型的输出图像与作为参照的目标图像(任一原始图像)输入生成对抗网络的图像判别模型；其中，图像判别模型为监督输出图像质量与监督输出图像视角的多任务模型，其可计算输出图像相对于目标图像以及预设视角的损失值并将损失值反馈于图像生成模型，利用上述损失值即可不断优化图像生成模型的模型参数，使之生成的图像逐渐逼近于原始图像以及预设视角，使图像判别模型无法分辨；在训练完成之后，单独利用图像生成模型即可针对各种目标物生成具有其原始图像各种细节的指定视角图像。这样，本发明即以较低成本实现了多视角图像的直接生成，可应用于图像检索、无人驾驶等领域的数据增强任务。
需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。
图1是根据本发明实施例的多视角图像的生成方法的主要步骤示意图。
如图1所示，本发明实施例的多视角图像的生成方法可具体执行以下步骤：
步骤S101：在训练阶段：图像生成模型根据输入的训练图像数据以及训练视角数据生成输出图像数据，预先建立的图像判别模型获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据，图像生成模型利用损失数据调整其模型参数。
本发明提供的多视角图像的生成方法主要采用机器学习算法实现，例如生成对抗网络GANs(Generative Adversarial Networks)。生成对抗网络可由用于根据原始图像输出生成图像的图像生成模型和用于判别生成图像与原始图像是否相同的图像判别模型。其中，原始图像一般为目标物的真实图像。图像生成模型可由编码器与解码器组成。编码器包括至少一个卷积层以及至少一个非线性激活层，其用于提取输入的原始图像的特征向量。解码器包括至少一个反卷积层，反卷积层的数量可与编码器中卷积层的数量相同，解码器用于根据编码器输出的特征向量和系统输入的其它特征得到生成图像。图像判别模型可由至少一个卷积层、至少一个非线性激活层组成，其接收图像生成模型输出的生成图像，将其与目标图像比较并计算二者为同一图像的概率以及生成图像相对于目标图像的损失数据，最后将损失数据向图像生成模型反馈以优化图像生成模型中编码器与解码器的相应参数。其中，图像判别模型也可采用贝叶斯算法、随机森林算法等实现，本发明对此不作限制。
较佳地，本发明实施例中的生成对抗网络根据以下步骤进行训练：
1.将训练图像数据以及训练视角数据输入图像生成模型得到输出图像数据。
其中，训练图像数据一般为原始图像数据，实际应用中在输入前，往往需要从原始图像中提取感兴趣区域ROI作为训练图像数据。训练视角数据为用于模型训练的、表征三维视角特征的预设数据，其可为概率型向量或one-hot编码(有效编码)向量。例如：对于如下三种视角：30°、60°、90°，其视角数据可分别为(1,0,0)、(0,1,0)、(0,0,1)或者(0.9,0.05,0.05)、(0.05,0.9,0.05)、(0.05,0.05,0.9)。
具体应用中，训练图像数据以及训练视角数据的输入过程可以是：将训练图像数据输入图像生成模型中的编码器，生成编码向量；将编码向量与训练视角数据拼接后输入图形生成模型中的解码器。其中，编码向量为编码器从训练图像数据中提取的特征向量，其与视角数据的拼接可根据预设策略执行。例如，编码器从训练图像数据中提取到128维的编码向量，其与30°的三个维度的视角数据(1,0,0)拼接时，可将(1,0,0)附加在编码向量的末端，形成128+8＝131维的向量输入解码器。解码器可利用该拼接后的向量生成输出图像数据。
2.将输出图像数据以及目标图像数据输入预先建立的图像判别模型。其中，预先建立指的是图像判别模型的数学模型事先构建，并不表示数学模型各参数已经确定。事实上，图像判别模型可以与图像生成模型同时交叉训练，也可以先于图像生成模型进行训练。特别地，在本发明实施例中，图像判别模型可执行两种任务：
其一，监督输出图像质量。具体而言，图像判别模型比较输出图像数据与目标图像数据，计算二者为同一图像的概率，并在该概率大于第一预设概率值时将输出图像数据确定为真，在该概率不大于第一预设概率值时将输出图像数据确定为假。其中，目标图像数据可为训练图像数据自身，也可为任一原始图像数据。确定输出图像数据为假时，图像判别模型通过计算交叉熵等方法确定输出图像数据相对于目标图像数据的损失数据(loss值)依次向图像生成模型中的解码器与编码器反馈。
其二，监督输出图像视角。具体地，图像判别模型比较输出图像数据中包含的视角信息与训练视角数据，计算二者相同的概率，并在该概率不大于第二预设概率值时通过计算交叉熵等方法确定输出图像数据相对于训练视角数据的损失数据，将其依次向图像生成模型中的解码器与编码器反馈。
3.图像生成模型根据图像判别模型反馈的损失数据调整其模型参数。实际应用中，解码器与编码器可根据损失数据确定相关参数的调整策略以实现各参数的优化。
可以理解的是，以上步骤示出的是生成对抗网络在模型训练阶段一次迭代的流程，实际的模型训练过程中，需要将多批训练数据(包括多种训练图像数据与多种训练视角数据)依次输入网络进行多次迭代，当图像判别模型无法区分输出图像数据与目标图像数据，同时输出图像数据包含的视角信息与训练视角数据总是相同时，说明模型训练完成。
在本发明实施例中，生成对抗网络的目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，λ≥0，CE为交叉熵函数。
此外，在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，其可用于计算输出图像数据相对于目标图像数据的损失数据；第三项为输出图像数据相对于训练视角数据的损失函数，可用于计算输出图像数据相对于训练视角数据的损失数据。
图2是根据本发明实施例中多视角图像的生成方法的生成对抗网络结构及其模型训练示意图，从中可以看到本发明实施例的生成对抗网络的具体结构以及模型训练阶段的部分流程。
步骤S102：将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于多个预设视角数据中每一预设视角数据的图像数据。
在模型训练完成之后，可以将原始图像数据与视角数据输入图像生成模型生成指定视角的图像，从而实现多视角图像的直接生成。具体应用中，可以将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器得到原始图像数据对应于该预设视角数据的图像数据，最终获得原始图像在该视角下的图像。
根据本发明实施例的方法可以看出：在模型训练阶段，将原始图像与预设视角输入生成对抗网络的图像生成模型，并将图像生成模型的输出图像与作为参照的目标图像(任一原始图像)输入生成对抗网络的图像判别模型；其中，图像判别模型为监督输出图像质量与监督输出图像视角的多任务模型，其可计算输出图像相对于目标图像以及预设视角的损失值并将损失值反馈于图像生成模型，利用上述损失值即可不断优化图像生成模型的模型参数，使之生成的图像逐渐逼近于原始图像以及预设视角，使图像判别模型无法分辨；在训练完成之后，单独利用图像生成模型即可针对各种目标物生成具有其原始图像各种细节的指定视角图像。这样，本发明即以较低成本实现了多视角图像的直接生成，可应用于图像检索、无人驾驶等领域的数据增强任务。
图3是本发明实施例中多视角图像的生成装置的组成部分示意图。
如图3所示，本发明实施例的多视角图像的生成装置300可包括：生成单元302和训练单元301。其中：
生成单元302可用于将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；
训练单元301可用于通过以下步骤训练图像生成模型：将训练图像数据以及训练视角数据输入图像生成模型得到输出图像数据；并将输出图像数据输入预先建立的图像判别模型，以获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据；利用所述损失数据调整图像生成模型的模型参数。
在本发明实施例中，图像生成模型包括编码器与解码器；生成单元302可进一步用于：将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器。
实际应用中，所述目标图像数据为所述训练图像数据。
具体应用场景中，编码器包括至少一个卷积层以及至少一个非线性激活层；解码器包括至少一个反卷积层，其数量与编码器中的卷积层相同。
此外，在本发明实施例中，图像生成模型与图像判别模型组成生成对抗网络，其目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，CE为交叉熵函数；在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，第三项为输出图像数据相对于训练视角数据的损失函数。
在本发明实施例的技术方案中，在模型训练阶段，通过将原始图像与预设视角输入生成对抗网络的图像生成模型，并将图像生成模型的输出图像与作为参照的目标图像(任一原始图像)输入生成对抗网络的图像判别模型；其中，图像判别模型为监督输出图像质量与监督输出图像视角的多任务模型，其可计算输出图像相对于目标图像以及预设视角的损失值并将损失值反馈于图像生成模型，利用上述损失值即可不断优化图像生成模型的模型参数，使之生成的图像逐渐逼近于原始图像以及预设视角，使图像判别模型无法分辨；在训练完成之后，单独利用图像生成模型即可针对各种目标物生成具有其原始图像各种细节的指定视角图像。这样，本发明即以较低成本实现了多视角图像的直接生成，可应用于图像检索、无人驾驶等领域的数据增强任务。
图4示出了可以应用本发明实施例的多视角图像的生成方法或多视角图像的生成装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405(此架构仅仅是示例，具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的多视角图像的生成方法一般由服务器405执行，相应地，多视角图像的生成装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
本发明还提供了一种电子设备。本发明实施例的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明所提供的多视角图像的生成方法。
下面参考图5，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有计算机系统500操作所需的各种程序和数据。CPU501、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。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文的主要步骤图描述的过程可以被实现为计算机软件程序。例如，本发明实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行主要步骤图所示的方法的程序代码。在上述实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括训练单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，训练单元还可以被描述为“向生成单元发送训练完成的图像生成模型的单元”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中的。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该设备执行时，使得该设备执行的步骤包括：将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；其中，在训练阶段：图像生成模型根据输入的训练图像数据以及训练视角数据生成输出图像数据，预先建立的图像判别模型获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据，图像生成模型利用所述损失数据调整其模型参数。
通过本发明实施例的技术方案可以看出，在模型训练阶段，通过将原始图像与预设视角输入生成对抗网络的图像生成模型，并将图像生成模型的输出图像与作为参照的目标图像(任一原始图像)输入生成对抗网络的图像判别模型；其中，图像判别模型为监督输出图像质量与监督输出图像视角的多任务模型，其可计算输出图像相对于目标图像以及预设视角的损失值并将损失值反馈于图像生成模型，利用上述损失值即可不断优化图像生成模型的模型参数，使之生成的图像逐渐逼近于原始图像以及预设视角，使图像判别模型无法分辨；在训练完成之后，单独利用图像生成模型即可针对各种目标物生成具有其原始图像各种细节的指定视角图像。这样，本发明即以较低成本实现了多视角图像的直接生成，可应用于图像检索、无人驾驶等领域的数据增强任务。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种多视角图像的生成方法，其特征在于，包括：
将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；其中，
在训练阶段：图像生成模型根据输入的训练图像数据以及训练视角数据生成输出图像数据，预先建立的图像判别模型获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据，图像生成模型利用所述损失数据调整其模型参数。
2.根据权利要求1所述的方法，其特征在于，图像生成模型包括编码器与解码器；以及，所述将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型具体包括：
将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器。
3.根据权利要求1所述的方法，其特征在于，所述目标图像数据为所述训练图像数据。
4.根据权利要求2所述的方法，其特征在于，编码器包括至少一个卷积层以及至少一个非线性激活层；解码器包括至少一个反卷积层，其数量与编码器中的卷积层相同。
5.根据权利要求1-4任一所述的方法，其特征在于，图像生成模型与图像判别模型组成生成对抗网络，其目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，CE为交叉熵函数；在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，第三项为输出图像数据相对于训练视角数据的损失函数。
6.一种多视角图像的生成装置，其特征在于，包括：
生成单元，用于将原始图像数据与多个预设视角数据输入预先训练完成的图像生成模型，生成原始图像数据对应于所述多个预设视角数据中每一预设视角数据的图像数据；
训练单元，用于通过以下步骤训练图像生成模型：将训练图像数据以及训练视角数据输入图像生成模型得到输出图像数据；并将输出图像数据输入预先建立的图像判别模型，以获取输出图像数据相对于预设的目标图像数据以及训练视角数据的损失数据；利用所述损失数据调整图像生成模型的模型参数。
7.根据权利要求6所述的装置，其特征在于，图像生成模型包括编码器与解码器；以及，
生成单元进一步用于：将原始图像数据输入编码器得到编码向量，将编码向量与每一预设视角数据拼接后输入解码器。
8.根据权利要求6所述的装置，其特征在于，所述目标图像数据为所述训练图像数据。
9.根据权利要求7所述的装置，其特征在于，编码器包括至少一个卷积层以及至少一个非线性激活层；解码器包括至少一个反卷积层，其数量与编码器中的卷积层相同。
10.根据权利要求6-9任一所述的装置，其特征在于，图像生成模型与图像判别模型组成生成对抗网络，其目标函数为：
其中，MIN、MAX分别为最小值、最大值函数，G为图像生成模型函数，D为图像判别模型函数，x为训练图像数据，pdata为训练图像数据的概率分布，v为训练视角数据，pv为训练视角数据的概率分布，λ为预设的平衡因子，CE为交叉熵函数；在MINMAX函数连加的三项中：前两项之和为输出图像数据相对于目标图像数据的损失函数，第三项为输出图像数据相对于训练视角数据的损失函数。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201810315637.8A 2018-04-10 2018-04-10 多视角图像的生成方法和装置 Active CN108629823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810315637.8A CN108629823B (zh) 2018-04-10 2018-04-10 多视角图像的生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810315637.8A CN108629823B (zh) 2018-04-10 2018-04-10 多视角图像的生成方法和装置

Publications (2)

Publication Number Publication Date
CN108629823A true CN108629823A (zh) 2018-10-09
CN108629823B CN108629823B (zh) 2022-09-06

Family

ID=63704977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810315637.8A Active CN108629823B (zh) 2018-04-10 2018-04-10 多视角图像的生成方法和装置

Country Status (1)

Country Link
CN (1) CN108629823B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151443A (zh) * 2018-10-15 2019-01-04 Oppo广东移动通信有限公司 高舒适度立体视频生成方法、系统及终端设备
CN109741244A (zh) * 2018-12-27 2019-05-10 广州小狗机器人技术有限公司 图片生成方法及装置、存储介质及电子设备
CN110555892A (zh) * 2019-08-09 2019-12-10 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备
CN111523413A (zh) * 2020-04-10 2020-08-11 北京百度网讯科技有限公司 生成人脸图像的方法和装置
CN111881716A (zh) * 2020-06-05 2020-11-03 东北林业大学 一种基于多视角生成对抗网络的行人重识别方法
CN112329567A (zh) * 2020-10-27 2021-02-05 武汉光庭信息技术股份有限公司 自动驾驶场景中目标检测的方法及系统、服务器及介质
CN114047823A (zh) * 2021-11-26 2022-02-15 北京房江湖科技有限公司 三维模型展示方法、计算机可读存储介质及电子设备
CN114359312A (zh) * 2022-03-17 2022-04-15 荣耀终端有限公司 图像处理方法及装置
WO2022156151A1 (zh) * 2021-01-25 2022-07-28 长鑫存储技术有限公司 图像视角转换/故障判断方法、装置、设备及介质
US11956407B2 (en) 2021-01-25 2024-04-09 Changxin Memory Technologies, Inc. Image view angle conversion/fault determination method and device, apparatus and medium

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296692A (zh) * 2016-08-11 2017-01-04 深圳市未来媒体技术研究院 基于对抗网络的图像显著性检测方法
CN106845471A (zh) * 2017-02-20 2017-06-13 深圳市唯特视科技有限公司 一种基于生成对抗网络的视觉显著性预测方法
CN107085716A (zh) * 2017-05-24 2017-08-22 复旦大学 基于多任务生成对抗网络的跨视角步态识别方法
CN107133601A (zh) * 2017-05-13 2017-09-05 五邑大学 一种基于生成式对抗网络图像超分辨率技术的行人再识别方法
CN107292813A (zh) * 2017-05-17 2017-10-24 浙江大学 一种基于生成对抗网络的多姿态人脸生成方法
AU2017101166A4 (en) * 2017-08-25 2017-11-02 Lai, Haodong MR A Method For Real-Time Image Style Transfer Based On Conditional Generative Adversarial Networks
CN107330973A (zh) * 2017-07-03 2017-11-07 深圳市唯特视科技有限公司 一种基于多视角监督的单视角重建方法
CN107578017A (zh) * 2017-09-08 2018-01-12 百度在线网络技术（北京）有限公司 用于生成图像的方法和装置
CN107659805A (zh) * 2017-09-07 2018-02-02 深圳市迅雷网络技术有限公司 一种视频转换方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296692A (zh) * 2016-08-11 2017-01-04 深圳市未来媒体技术研究院 基于对抗网络的图像显著性检测方法
CN106845471A (zh) * 2017-02-20 2017-06-13 深圳市唯特视科技有限公司 一种基于生成对抗网络的视觉显著性预测方法
CN107133601A (zh) * 2017-05-13 2017-09-05 五邑大学 一种基于生成式对抗网络图像超分辨率技术的行人再识别方法
CN107292813A (zh) * 2017-05-17 2017-10-24 浙江大学 一种基于生成对抗网络的多姿态人脸生成方法
CN107085716A (zh) * 2017-05-24 2017-08-22 复旦大学 基于多任务生成对抗网络的跨视角步态识别方法
CN107330973A (zh) * 2017-07-03 2017-11-07 深圳市唯特视科技有限公司 一种基于多视角监督的单视角重建方法
AU2017101166A4 (en) * 2017-08-25 2017-11-02 Lai, Haodong MR A Method For Real-Time Image Style Transfer Based On Conditional Generative Adversarial Networks
CN107659805A (zh) * 2017-09-07 2018-02-02 深圳市迅雷网络技术有限公司 一种视频转换方法和装置
CN107578017A (zh) * 2017-09-08 2018-01-12 百度在线网络技术（北京）有限公司 用于生成图像的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BO ZHAO，XIAO WU，ZHI-QI CHENG，HAO LIU，ZEQUN JIE，JIASHI FENG: "Multi-View Image Generation from a Single-View", 《ARXIV.ORG》 *
吴清江等: "基于卷积神经网络的有限视角CT重建", 《电脑知识与技术》 *
杨卫华，吴茂念: "《眼科人工智能》", 28 February 2018, 湖北科学技术出版社 *
谢璐,金志刚,王颖: "基于视频稳像和视角变换的公交客流计数方法", 《计算机应用》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151443A (zh) * 2018-10-15 2019-01-04 Oppo广东移动通信有限公司 高舒适度立体视频生成方法、系统及终端设备
CN109741244A (zh) * 2018-12-27 2019-05-10 广州小狗机器人技术有限公司 图片生成方法及装置、存储介质及电子设备
CN110555892B (zh) * 2019-08-09 2023-04-25 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备
CN110555892A (zh) * 2019-08-09 2019-12-10 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备
CN111523413A (zh) * 2020-04-10 2020-08-11 北京百度网讯科技有限公司 生成人脸图像的方法和装置
CN111523413B (zh) * 2020-04-10 2023-06-23 北京百度网讯科技有限公司 生成人脸图像的方法和装置
CN111881716A (zh) * 2020-06-05 2020-11-03 东北林业大学 一种基于多视角生成对抗网络的行人重识别方法
CN112329567A (zh) * 2020-10-27 2021-02-05 武汉光庭信息技术股份有限公司 自动驾驶场景中目标检测的方法及系统、服务器及介质
US11956407B2 (en) 2021-01-25 2024-04-09 Changxin Memory Technologies, Inc. Image view angle conversion/fault determination method and device, apparatus and medium
WO2022156151A1 (zh) * 2021-01-25 2022-07-28 长鑫存储技术有限公司 图像视角转换/故障判断方法、装置、设备及介质
CN114047823A (zh) * 2021-11-26 2022-02-15 北京房江湖科技有限公司 三维模型展示方法、计算机可读存储介质及电子设备
CN114047823B (zh) * 2021-11-26 2024-06-11 贝壳找房(北京)科技有限公司 三维模型展示方法、计算机可读存储介质及电子设备
CN114359312B (zh) * 2022-03-17 2022-08-23 荣耀终端有限公司 图像处理方法及装置
CN114359312A (zh) * 2022-03-17 2022-04-15 荣耀终端有限公司 图像处理方法及装置

Also Published As

Publication number Publication date
CN108629823B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN108629823B (zh) 多视角图像的生成方法和装置
US20200126315A1 (en) Method and apparatus for generating information
CN110612538A (zh) 生成输入数据项的离散潜在表示
CN109255337B (zh) 人脸关键点检测方法和装置
CN114792355B (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN109377508B (zh) 图像处理方法和装置
CN111815738B (zh) 一种构建地图的方法和装置
CN110211017B (zh) 图像处理方法、装置及电子设备
CN114612600B (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN110189252B (zh) 生成平均脸图像的方法和装置
CN111898484A (zh) 生成模型的方法、装置、可读存储介质及电子设备
CN111861867B (zh) 图像背景虚化方法和装置
CN112258619A (zh) 一种图像处理方法和装置
WO2023165220A1 (zh) 一种目标物体的检测方法和装置
CN116612204A (zh) 图像生成方法、训练方法、装置、电子设备以及存储介质
CN114708374A (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN112256254A (zh) 一种生成布局代码的方法和装置
CN110288523B (zh) 图像生成方法和装置
CN108256477B (zh) 一种用于检测人脸的方法和装置
CN110633595B (zh) 一种利用双线性插值的目标检测方法和装置
CN116188251A (zh) 模型构建方法、虚拟形象生成方法、装置、设备、介质
CN112990046B (zh) 差异信息获取方法、相关装置及计算机程序产品
CN116363331B (zh) 图像生成方法、装置、设备以及存储介质
CN114820908B (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN111062414A (zh) 目标识别方法和装置

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