CN109308726A - 人脸图像编辑模板的快速生成方法和系统 - Google Patents

人脸图像编辑模板的快速生成方法和系统 Download PDF

Info

Publication number
CN109308726A
CN109308726A CN201811044262.2A CN201811044262A CN109308726A CN 109308726 A CN109308726 A CN 109308726A CN 201811044262 A CN201811044262 A CN 201811044262A CN 109308726 A CN109308726 A CN 109308726A
Authority
CN
China
Prior art keywords
subset
image editing
help
editing template
asked
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
CN201811044262.2A
Other languages
English (en)
Other versions
CN109308726B (zh
Inventor
梁凌宇
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201811044262.2A priority Critical patent/CN109308726B/zh
Publication of CN109308726A publication Critical patent/CN109308726A/zh
Application granted granted Critical
Publication of CN109308726B publication Critical patent/CN109308726B/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
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了人脸图像编辑模板的快速生成方法，包括：对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；将子集TS和子集TC合成待求人脸图像编辑模板T。本发明把大规模矩阵求解问题转化为小规模矩阵问题，能广泛应用人脸图像编辑系统中，对高分辨率人脸图像编辑能有效提高其计算速度、降低人脸图像编辑模板的计算复杂度。

Description

人脸图像编辑模板的快速生成方法和系统
技术领域
本发明涉及图像处理与渲染技术领域，具体涉及人脸图像编辑模板的快速生成方法和系统。
背景技术
人脸图像编辑涉及对人脸内容与风格的处理，在文化创意产业中有广泛应用，如影视制作、数字娱乐、社交媒体、增强现实与个人图像编辑。
实现人脸图像编辑，利用传统的专业编辑软件(如Adobe Photoshop)一般需要大量的人工调节和繁复的操作。最新的实现方案是利用计算机根据人脸图像特征自动生成人脸图像编辑模板来实现相应的编辑效果。然而，大部分的自动生成人脸图像编辑模板的方法最终会涉及矩阵方程求解，而求解该矩阵方程的计算复杂度会随图像分辨率的提高而指数上升。例如，要生成一个100*100人脸图像的编辑模板需要求解一个10000*10000的矩阵方程。随着高像素图像的广泛使用，目前的模板求解算法在缺乏高性能计算的环境下(如便携式设备)一般无法有效运行。因此，行业内急需解决人脸图像编辑模板生成时高像素图像带来的计算问题。
发明内容
本发明的目的是为了克服以上现有技术存在的不足，提供了人脸图像编辑模板的快速生成方法。
本发明的另一目的是为了克服以上现有技术存在的不足，提供了人脸图像编辑模板的快速生成系统。
本发明的目的通过以下的技术方案实现：
人脸图像编辑模板的快速生成方法，包括：
S1，对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；
S2，根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；
S3，根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；
S4，根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；
S5，将子集TS和子集TC合成待求人脸图像编辑模板T。
优选地，所述对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC包括：在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；将集合S以预设规则转换成向量形式的子集RS；和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；将集合C以预设规则转换成向量形式的子集RC。
优选地，所述根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W包括：把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。
优选地，所述根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W的计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i行和第j列的像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域，dij(U)小于预设值m；在非限制区域，dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为小于预设值l的常数；|Gi-Gj+c|为Gi-Gj+c的绝对值。
优选地，所述根据限定矩阵U和集合S计算待求人脸图像编辑模板T的子集TS的计算公式为USSTS＝USS RS；其中USS是根据集合S划分出来的分块矩阵。
优选地，所述根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC的计算公式为TC＝W* CSTS，其中Wij为权重矩阵W中的第i行和第j列的权重值。
本发明的另一目的通过以下的技术方案实现：
人脸图像编辑模板的快速生成系统，包括：子集采样模块，用于对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；权重矩阵计算模块，用于根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；子集TS计算模块，用于根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；子集TC计算模块，用于根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；合成模块，用于将子集TS和子集TC合成待求人脸图像编辑模板T。
优选地，所述子集采样模块，还用于在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；将集合S以预设规则转换成向量形式的子集RS；和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；将集合C以预设规则转换成向量形式的子集RC。
优选地，所述权重矩阵计算模块包括颜色空间转换单元、平滑处理单元和权重矩阵计算单元；所述颜色空间转换单元，用于把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；所述平滑处理单元，用于对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；所述权重矩阵计算单元，用于根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。
优选地，根据人脸图像I的不同点光照特征G的相似性计算权重矩阵W的计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i行和第j列的像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域，dij(U)小于预设值m；在非限制区域，dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为小于预设值l的常数；|Gi-Gj+c|为Gi-Gj+c的绝对值。
本发明相对于现有技术具有如下的优点：
本发明通过对已知人脸图像编辑模板的初始值R分类成向量形式的子集RS和RC，子集RS和RC是少量数值的集合，然后在根据子集RS和RC生成待求人脸图像编辑模板T的子集TS和子集TC，这样把大规模矩阵求解问题转化为小规模矩阵问题，能广泛应用在人脸图像的区域模板、光照模板等人脸图像编辑系统中，对高分辨率人脸图像编辑能有效提高其计算速度、降低人脸图像编辑模板的计算复杂度，同时节省其存储。
附图说明
图1是本发明的人脸图像编辑模板的快速生成方法的流程图。
图2是本发明的根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W的流程图。
图3(a)是本发明的已知人脸图像编辑模板的初始值图。
图3(b)是本发明的已知人脸图像编辑模板经子集采样后的模板图。
图3(c)是本发明生成的待求人脸图像编辑模板图。
图4是本发明的人脸图像编辑模板的快速生成系统的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参见图1-3(c)、人脸图像编辑模板的快速生成方法，包括：
S1，对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；具体地，步骤S1包括：在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；将集合S以预设规则转换成向量形式的子集RS；和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；将集合C以预设规则转换成向量形式的子集RC，即将集合C拉成向量形式的子集RC。
需要说明的是，已知人脸图像编辑模板的初始值R、限定矩阵U(U中为1的点代表人脸图像编辑模板在该位置的值不能发生变化，为0代表可变化)、不同人脸图像编辑模板的类型对应的邻接点相似度都是已知的。其中人脸图像编辑模板的类型包括：人脸区域模板和光照模板等。人脸区域模板用来提取需要编辑的人脸区域；光照模板能把参考人脸的光照特点迁移到目标人脸中。该算法可以实现对不同人脸模板的计算。图3(a)是本发明的已知人脸图像编辑模板的初始值图。图3(b)是本发明的已知人脸图像编辑模板经子集采样后的模板图。输出为生成的待求人脸图像编辑模板T，参见图3(c)。
S2，根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；具体地，步骤S2包括：
S21，把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；
S22，对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；具体地，使用边缘保持平滑滤波器对人脸图像I的亮度通道进行平滑处理。
S23，根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。其中计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i和第j个像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域为小数值，即dij(U)小于预设值m；在非限定区域为大数值，即dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为一个小的常数，即c为小于预设值l的常数；用以避免分母为0；|Gi-Gj+c|为Gi-Gj+c的绝对值。
S3，根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；计算公式为USSTS＝USS RS；其中USS是根据集合S划分出来的分块矩阵。
S4，根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；计算公式为TC＝W* CSTS，其中Wij为权重矩阵W中的第i行和第j列的权重值。
S5，将子集TS和子集TC合成待求人脸图像编辑模板T。其中，T＝(TS,TC)，其中子集TS和子集TC集均为向量形式的子集。
参见图4，上述人脸图像编辑模板的快速生成方法适用的人脸图像编辑模板的快速生成系统，包括：子集采样模块，用于对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；权重矩阵计算模块，用于根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；子集TS计算模块，用于根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；子集TC计算模块，用于根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；合成模块，用于将子集TS和子集TC合成待求人脸图像编辑模板T。
在本实施例，所述子集采样模块，还用于在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；将集合S以预设规则转换成向量形式的子集RS；和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；将集合C以预设规则转换成向量形式的子集RC。
在本实施例，所述权重矩阵计算模块包括颜色空间转换单元、平滑处理单元和权重矩阵计算单元；所述颜色空间转换单元，用于把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；所述平滑处理单元，用于对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；所述权重矩阵计算单元，用于根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。其中计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i行和第j列的像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域，dij(U)小于预设值m；在非限制区域，dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为小于预设值l的常数；|Gi-Gj+c|为Gi-Gj+c的绝对值。
本发明的有益效果如下：
本发明通过对已知人脸图像编辑模板的初始值R分类成向量形式的子集RS和RC，子集RS和RC是少量数值的集合，然后在根据子集RS和RC生成待求人脸图像编辑模板T的子集TS和子集TC，这样把大规模矩阵求解问题转化为小规模矩阵问题，能广泛应用在人脸图像的区域模板、光照模板等人脸图像编辑系统中，对高分辨率人脸图像编辑能有效提高其计算速度、降低人脸图像编辑模板的计算复杂度，同时节省其存储。此外还能兼容使用原有的软件和硬件系统。
上述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.人脸图像编辑模板的快速生成方法，其特征在于，包括：
S1，对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；
S2，根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；
S3，根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；
S4，根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；
S5，将子集TS和子集TC合成待求人脸图像编辑模板T。
2.根据权利要求1所述的人脸图像编辑模板的快速生成方法，其特征在于，所述对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC包括：
在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；
将集合S以预设规则转换成向量形式的子集RS；
和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；
将集合C以预设规则转换成向量形式的子集RC。
3.根据权利要求1所述的人脸图像编辑模板的快速生成方法，其特征在于，所述根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W包括：
把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；
对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；
根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。
4.根据权利要求3所述的人脸图像编辑模板的快速生成方法，其特征在于，所述根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W的计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i行和第j列的像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域，dij(U)小于预设值m；在非限制区域，dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为小于预设值l的常数；|Gi-Gj+c|为Gi-Gj+c的绝对值。
5.根据权利要求1所述的人脸图像编辑模板的快速生成方法，其特征在于，所述根据限定矩阵U和集合S计算待求人脸图像编辑模板T的子集TS的计算公式为USSTS＝USS RS；其中USS是根据集合S划分出来的分块矩阵。
6.根据权利要求1所述的人脸图像编辑模板的快速生成方法，其特征在于，所述根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC的计算公式为TC＝W* CSTS，其中Wij为权重矩阵W中的第i行和第j列的权重值。
7.人脸图像编辑模板的快速生成系统，其特征在于，包括：
子集采样模块，用于对已知人脸图像编辑模板的初始值R进行分类，得到向量形式的子集RS和RC，其中R＝(RS,RC)；
权重矩阵计算模块，用于根据待求人脸图像编辑模板T的类型对应的邻接点相似度计算权重矩阵W；
子集TS计算模块，用于根据限定矩阵U和子集RS计算待求人脸图像编辑模板T的子集TS；
子集TC计算模块，用于根据权重矩阵W和子集TS计算待求人脸图像编辑模板T的子集TC；
合成模块，用于将子集TS和子集TC合成待求人脸图像编辑模板T。
8.根据权利要求7所述的人脸图像编辑模板的快速生成系统，其特征在于，所述子集采样模块，还用于在已知人脸图像编辑模板的初始值R中，选取梯度特征变化大于K的点作为集合S；其中K为预设阈值；
将集合S以预设规则转换成向量形式的子集RS；
和集合S互为补集的集合作为集合C，其中初始值R为集合S和集合C的合集；
将集合C以预设规则转换成向量形式的子集RC。
9.根据权利要求7所述的人脸图像编辑模板的快速生成系统，其特征在于，所述权重矩阵计算模块包括颜色空间转换单元、平滑处理单元和权重矩阵计算单元；
所述颜色空间转换单元，用于把待求人脸图像I从RGB颜色空间转换到CIELAB颜色空间，得到待求人脸图像I的亮度通道；
所述平滑处理单元，用于对待求人脸图像I的亮度通道进行平滑处理，得到待求人脸图像的光照特征G；
所述权重矩阵计算单元，用于根据待求人脸图像I的不同点光照特征G的相似性计算权重矩阵W。
10.根据权利要求9所述的人脸图像编辑模板的快速生成系统，其特征在于，根据人脸图像I的不同点光照特征G的相似性计算权重矩阵W的计算公式如下：
Wij＝dij(U)|Gi-Gj+c|-1
其中，下标i,j代表图像中的第i行和第j列的像素，j∈N(i)代表像素i的邻域；Wij为权重矩阵W中的第i行和第j列的权重值；dij(U)受限定矩阵控制，在限制区域，dij(U)小于预设值m；在非限制区域，dij(U)大于预设值n；Gi-Gj为光照特征的梯度；c为小于预设值l的常数；|Gi-Gj+c|为Gi-Gj+c的绝对值。
CN201811044262.2A 2018-09-07 2018-09-07 人脸图像编辑模板的快速生成方法和系统 Active CN109308726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811044262.2A CN109308726B (zh) 2018-09-07 2018-09-07 人脸图像编辑模板的快速生成方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811044262.2A CN109308726B (zh) 2018-09-07 2018-09-07 人脸图像编辑模板的快速生成方法和系统

Publications (2)

Publication Number Publication Date
CN109308726A true CN109308726A (zh) 2019-02-05
CN109308726B CN109308726B (zh) 2023-04-28

Family

ID=65224753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811044262.2A Active CN109308726B (zh) 2018-09-07 2018-09-07 人脸图像编辑模板的快速生成方法和系统

Country Status (1)

Country Link
CN (1) CN109308726B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036310A (zh) * 2020-08-31 2020-12-04 北京字节跳动网络技术有限公司 一种图片处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140267301A1 (en) * 2013-03-14 2014-09-18 Canon Kabushiki Kaisha Systems and methods for feature fusion
CN104463181A (zh) * 2014-08-05 2015-03-25 华南理工大学 一种复杂背景下的自动人脸图像光照编辑方法
CN106778797A (zh) * 2016-10-31 2017-05-31 江苏濠汉信息技术有限公司 一种身份智能识别方法
EP3255586A1 (en) * 2016-06-06 2017-12-13 Fujitsu Limited Method, program, and apparatus for comparing data graphs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140267301A1 (en) * 2013-03-14 2014-09-18 Canon Kabushiki Kaisha Systems and methods for feature fusion
CN104463181A (zh) * 2014-08-05 2015-03-25 华南理工大学 一种复杂背景下的自动人脸图像光照编辑方法
EP3255586A1 (en) * 2016-06-06 2017-12-13 Fujitsu Limited Method, program, and apparatus for comparing data graphs
CN106778797A (zh) * 2016-10-31 2017-05-31 江苏濠汉信息技术有限公司 一种身份智能识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
梁凌宇 等: "自适应编辑传播的人脸图像光照迁移", 《光学精密工程》 *
梁凌宇: "人脸图像的自适应美化与渲染研究", 《中国优秀博士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036310A (zh) * 2020-08-31 2020-12-04 北京字节跳动网络技术有限公司 一种图片处理方法、装置、设备及存储介质
US11900726B2 (en) 2020-08-31 2024-02-13 Beijing Bytedance Network Technology Co., Ltd. Picture processing method and apparatus, device, and storage medium

Also Published As

Publication number Publication date
CN109308726B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN108596024B (zh) 一种基于人脸结构信息的肖像生成方法
US11875221B2 (en) Attribute decorrelation techniques for image editing
Sun et al. Scale and object aware image retargeting for thumbnail browsing
CN105469407A (zh) 一种基于改进的引导滤波器的人脸图像图层分解方法
US10169908B2 (en) Method, apparatus, storage medium and device for controlled synthesis of inhomogeneous textures
CN113822830A (zh) 基于深度感知增强的多曝光图像融合方法
CN113344836B (zh) 人脸图像处理方法及装置、计算机可读存储介质、终端
Liu et al. Selective color transferring via ellipsoid color mixture map
CN106203428B (zh) 基于模糊估计融合的图像显著性检测方法
KR101116838B1 (ko) 개인성향을 반영한 과장표정 생성방법
CN108596992B (zh) 一种快速实时的唇彩化妆方法
CN113344837B (zh) 人脸图像处理方法及装置、计算机可读存储介质、终端
CN109308726A (zh) 人脸图像编辑模板的快速生成方法和系统
CN109345470B (zh) 人脸图像融合方法和系统
CN104123707B (zh) 一种基于局部秩先验的单幅图像超分辨率重建方法
CN108109115B (zh) 人物图像的增强方法、装置、设备及存储介质
US9858654B2 (en) Image manipulation
CN115937429A (zh) 一种基于单张图像的细粒度3d人脸重建方法
CN113239867B (zh) 一种基于掩码区域自适应增强的光照变化人脸识别方法
CN114821750A (zh) 一种基于三维人脸重建的面部动捕方法及系统
CN113076918B (zh) 基于视频的人脸表情克隆方法
Chen et al. Parallel pencil drawing stylization via structure-aware optimization
CN104574320B (zh) 一种基于稀疏编码系数匹配的图像超分辨率复原方法
Yi et al. Automatic image matting and fusing for portrait synthesis
CN106469437A (zh) 图像处理方法和图像处理装置

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