CN111767676A - 用于预测容貌变化操作结果的方法和装置 - Google Patents

用于预测容貌变化操作结果的方法和装置 Download PDF

Info

Publication number
CN111767676A
CN111767676A CN202010608567.2A CN202010608567A CN111767676A CN 111767676 A CN111767676 A CN 111767676A CN 202010608567 A CN202010608567 A CN 202010608567A CN 111767676 A CN111767676 A CN 111767676A
Authority
CN
China
Prior art keywords
data
personal
change operation
appearance
target user
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.)
Pending
Application number
CN202010608567.2A
Other languages
English (en)
Inventor
董咨雨
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010608567.2A priority Critical patent/CN111767676A/zh
Publication of CN111767676A publication Critical patent/CN111767676A/zh
Priority to JP2021049337A priority patent/JP2022003506A/ja
Priority to US17/212,023 priority patent/US20210209345A1/en
Priority to KR1020210038965A priority patent/KR20210040887A/ko
Priority to EP21165224.3A priority patent/EP3828897A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • User Interface Of Digital Computer (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了预测容貌变化操作结果的方法和装置，涉及人工智能、大数据和图像处理技术领域。该方法包括：获取容貌变化操作的样本数据；基于样本数据建立容貌变化操作的结果预测模型；获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。采用本方法可以为用户提供容貌变化操作后的预测容貌数据，辅助用户做出决策。

Description

用于预测容貌变化操作结果的方法和装置
技术领域
本公开的实施例涉及人工智能技术领域，具体涉及大数据技术和图像处理技术，尤其涉及用大数据处理平台建模来预测容貌变化操作结果的方法和装置。
背景技术
随着人们生活水平的提高，人们开始重视自己的容貌，希望能够通过技术手段预知自己容貌随着诸如年龄、生活方式的改变而发生的变化。一些人还希望通过采取体育锻炼、健康饮食的生活方式，或者通过医美手术等途径改变自己的容貌。人们考虑通过选择生活方式或者医美手术改变自己的容貌之前的主要顾虑是无法预知结果。
因此，需要一种能够预测容貌变化操作结果的方法。
发明内容
本公开提供了一种用于预测容貌变化操作结果方法、装置、电子设备以及计算机可读存储介质。
根据本公开的第一方面，提供了一种用于预测容貌变化操作结果的方法，包括：获取容貌变化操作的样本数据，其中，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据；基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型；获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。
根据本公开的第二方面，提供了一种用于预测容貌变化操作结果的装置，包括：获取单元，被配置为获取容貌变化操作的样本数据，其中，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据；建模单元，被配置为基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型；预测单元，被配置为获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。
根据本公开的第三方面，本公开的实施例提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的预测容貌变化的方法。
根据本公开的第四方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现第一方面提供的预测容貌变化的方法。
本公开提供的预测容貌变化的方法、装置首先根据容貌变化操作的样本数据建立结果预测模型，然后根据结果预测模型预测目标用户的容貌变化操作后的容貌数据，可以为用户提供容貌变化操作后的预测容貌数据，辅助用户做出决策。
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
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请的实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于预测容貌变化操作结果的方法的一个实施例的流程图；
图3是根据本申请的用于预测容貌变化操作结果的方法的一个应用场景的示意图；
图4是根据本申请的用于预测容貌变化操作结果的方法的又一个实施例的流程图；
图5是根据本申请的用于预测容貌变化操作结果的方法的另一个实施例的流程图；
图6是根据本申请的用于预测容貌变化操作结果的装置的一个实施例的结构示意图；
图7是用来实现本申请实施例的用于预测容貌变化操作结果的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
图1示出了可以应用本申请的用于预测容貌变化操作结果的方法或用于预测容貌变化操作结果的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种接收推送服务的客户端应用，例如图像类应用、数据采集类应用等。
终端设备101、102、103可以是具有显示屏并且支持接收推送服务的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以利用大数据领域的技术对容貌变化数据进行分类或者数据筛选以获取容貌变化的样本数据，然后基于样本数据并利用人工智能领域的技术对容貌变化进行建模，并可以从终端设备101、102、103获取用户的容貌数据以及容貌变化操作类型，利用容貌变化预测模型预测用户容貌的变化，并向终端设备101、102、103提供预测结果。
需要说明的是，本公开的实施例所提供用于预测容貌变化操作结果的方法一般由服务器105执行，相应地，用于预测容貌变化操作结果的装置一般设置于服务器105中。
应该理解，图1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。
继续参考图2，其示出了根据本公开的用于预测容貌变化操作结果的方法的一个实施例的流程200。用于预测容貌变化操作结果的方法包括以下步骤：
步骤201，获取容貌变化操作的样本数据，其中，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据。
在本实施例中，用于预测容貌变化操作结果的方法的执行主体(例如图1所示的服务器)可以从终端或者互联网获取容貌变化操作的样本数据，样本数据中包括第一容貌数据，即，用户的容貌变化操作前的容貌数据、以及第二容貌数据，即与用户的容貌变化操作前的容貌数据对应的该用户的容貌变化操作后的容貌数据。容貌数据可以是表征用户容貌特征的各种数据，例如人脸图像、基于稠密关键点的三维人脸模型，等等。
作为示例，样本数据可以是追踪的用户的10年容貌变化的人脸图像，容貌变化操作是用户随着年龄增长而发生的容貌改变，用户的容貌变化操作前的容貌数据可以是用户在样本收集的第1年的人脸图像，用户的容貌变化操作后的容貌数据可以是用户在样本收集的第10年的人脸图像，对应的容貌变化操作是“增大年龄”的操作。或者，样本数据可以是医美手术的案例数据，容貌变化操作可以是医美手术或者美容等操作、或者医美手术中的针对人体指定部位的操作，如割双眼皮，用户的容貌变化操作前的容貌数据可以是用户在做医美手术之前的人脸图像，用户的容貌变化操作后的容貌数据可以是该用户进行了医美手术之后的人脸图像。
步骤202，基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型。
在本实施例中，根据样本数据中用户的容貌变化操作前的容貌数据、以及与该用户的容貌变化操作前的容貌数据对应的该用户的容貌变化操作后的容貌数据，利用数据挖掘技术、回归分析、神经网络等算法建立容貌变化操作的结果预测模型。其中，容貌变化操作的结果预测模型用于根据容貌变化操作前的容貌数据预测容貌变化操作后的容貌数据。可以采用多种方式建模，例如，采用神经网络算法建立结果预测模型，可以首先依据样本数据中用户的容貌变化操作前的容貌数据、以及该用户的容貌变化操作后的容貌数据对训练初始模型进行迭代训练，利用用户的容貌变化操作前的容貌数据与该用户的容貌变化操作后的容貌数据之间差异(如预设特征的特征值之差)生成反馈信息，更新初始模型，当训练次数满足预设次数时停止训练，并将满足训练次数的初始模型作为最终的结果预测模型。或者，可以基于线性回归等数学模型建模，基于样本数据拟合模型中的参数。
步骤203，获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。
在本实施例中，通过用户输入或者读取用户发送的数据获取目标用户的容貌变化操作前的容貌数据、以及目标客户意图进行的容貌变化操作，并将目标用户的容貌变化操作前的容貌数据以及意图进行的容貌变化操作输入容貌变化操作的结果预测模型，以利用容貌变化操作的结果预测模型预测目标用户的意图进行的容貌变化操作后的容貌数据。
在一些应用场景中，还可以根据预测的目标用户的容貌变化操作后的容貌数据进行目标用户的容貌操作的成功率的评估。例如，当容貌变化操作为医美手术时，可以根据目标用户在进行医美手术前的人脸图像，与以往案例数据进行分析，分析与目标用户术前人脸图像特征或者比例相似的案例数据中术前人脸图像对应的手术成功率，并基于案例数据中的相似用户的手术成功率确定目标用户的手术成功率。
本实施例提供的预测容貌变化的方法首先根据容貌变化操作的样本数据建立结果预测模型，然后根据结果预测模型预测目标用户的容貌变化操作后的容貌数据，可以为用户提供容貌变化操作后的预测容貌数据，辅助用户做出决策。
可选地，基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型，包括：对第一容貌数据和第二容貌数据进行关键点特征提取；对由第一容貌数据的关键点特征转换为第二容貌数据的关键点特征的转换关系进行建模，得到结果预测模型。
在本实施例中，可以预先设定容貌数据的关键点，并提取用户的容貌变化操作前的容貌数据中的变化前关键点特征、以及该用户的容貌变化操作后的容貌数据中的变化后关键点特征，根据变化前关键点特征转换为变化后关键点特征的转换关系进行建模，得到结果预测模型。其中，关键点特征可以是对容貌影响比较大的表征容貌特征的特征，例如眼睛的大小、鼻子的形状等。具体地，可以利用神经网络算法、回归分析、或者递归分析等关系模型建立算法，根据变化前关键点特征转换为变化后关键点特征的转换关系进行建模，得到结果预测模型。本实施例通过选取关键点并根据关键点特征的变化建立结果预测模型，可以在使用较少数据的情况下建立预测结果准确的结果预测模型，以及可以提高建立模型的效率。
在一些应用场景中，如图3所示，预设人脸图像中的301至308为人脸图像的关键点(可以理解，关键点可以是人脸图像中的任意点，此处选取的关键点仅作为示例)，可以利用人脸图像扫描系统采集用户容貌变化操作前的关键点301至关键点308的特征值(如，关键点的反光度、关键点的凹凸程度、或者关键点之间的间距或位置关系等)，作为第一容貌数据，采集用户容貌变化操作后的关键点301至关键点308的特征值作为第二容貌数据，并根据第一容貌数据与第二容貌数据建立容貌变化操作的结果预测模型。当目标用户将容貌变化操作前的其人脸图像输入进容貌变化操作的结果预测模型，并选择意图进行的容貌变化操作后，该结果预测模型将根据目标用户的容貌变化操作前的关键点301至关键点308的特征值计算目标用户的容貌变化操作后的人脸图像的关键点301至308的特征值，并输出根据目标用户容貌变化操作后的人脸图像的关键点301至308的特征值生成的目标用户容貌变化操作后的人脸图像。
可选地，样本数据中还包括与第二容貌数据对应的用户身体状态数据，基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型，包括：基于第一容貌数据和对应的第二容貌数据、用户身体状态数据建立容貌变化操作的结果预测模型。
在本实施例中，根据样本数据中用户的容貌变化操作前的容貌数据、与该用户的容貌变化操作前的容貌数据对应的该用户的容貌变化操作后的容貌数据、以及与该用户的容貌变化操作后的容貌数据对应的用户身体状态数据，利用数据挖掘技术或者回归分析等算法建立容貌变化操作的结果预测模型。其中，用户的身体状态数据可以是身体健康状况，例如进行医美手术后用户所患的后遗症的病症等。本实施例将用户的容貌变化操作后的容貌数据对应的用户身体状态数据作为建立结果预测模型的因素之一，可以将进行容貌变化操作的除容貌改变的其他身体状态也作为预测结果，可以给用户提供多维的预测结果信息。
可选地，样本数据中还包括与第二容貌数据对应的用户身体状态数据，用于预测容貌变化操作结果的方法还包括：利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的身体状态信息。
在本实施例中，可以通过结果预测模型根据目标用户选择的容貌变化操作的类型(例如，医美手术的手术项目等)对目标用户的容貌变化操作后的身体状态信息进行预测，使目标用户知晓进行容貌操作变化后的身体状态信息，为用户体统多为的预测结果信息，帮助用户做出准确的决策。
进一步参考图4，其示出了用于预测容貌变化操作结果的方法的又一个实施例的流程400，包括以下步骤：
步骤401，获取容貌变化操作的样本数据，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据，样本数据还包括容貌变化操作前的用户的第一体征数据以及与第一容貌数据对应的容貌变化操作后的第二体征数据。
本实施例中对第一容貌数据、第二容貌数据的描述与步骤201中的描述一致，此处不再赘述。
在本实施例中，可以从终端或者互联网获取容貌变化操作的样本数据，样本数据中包括第一体征数据，即，用户的容貌变化操作前的体征数据、以及第二体征数据，即，与用户的容貌变化操作前的体征数据对应的该用户的容貌变化操作后的体征数据。例如，样本数据可以是医美手术的案例数据，容貌变化操作可以是医美手术或者美容等操作，用户的容貌变化操作前的体征数据可以是用户在做医美手术之前的身体健康状况，用户的容貌变化操作后的体征数据可以是该用户进行了医美手术之后的身体健康状况，是否产生了后遗症等。
步骤402，基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型，以及根据第一体征数据以及对应的第二体征数据建立体征预测模型。
本实施例中对建立结果预测模型的描述与步骤202一致，此处不再赘述。
在本实施例中，根据样本数据中用户的容貌变化操作前的体征数据、以及与该用户的容貌变化操作前的体征数据对应的该用户的容貌变化操作后的体征数据，利用数据挖掘技术或者回归分析等算法建立体征预测模型。其中，体征预测模型用于根据容貌变化操作前的体征数据预测容貌变化操作后的体征数据。
步骤403，获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。以及获取目标用户的体征数据和意图容貌变化操作，基于目标用户的体征数据，利用体征预测模型预测目标用户的意图容貌变化操作后的体征数据。
本实施例中对基于目标用户的容貌变化前的容貌数据利用结果预测模型预测其容貌变化操作后的容貌数据的的描述与步骤203一致，此处不再赘述。
在本实施例中，通过用户输入或者读取用户发送的数据获取目标用户的容貌变化操作前的体征数据以及意图进行的容貌变化操作，并将目标用户的容貌变化操作前的体征数据输入体征预测模型，以利用体征预测模型预测目标用户的意图进行的容貌变化操作后的体征数据。
本实施例提供的预测容貌变化的方法首先根据容貌变化操作的样本数据建立体征预测模型，然后根据体征预测模型预测目标用户的容貌变化操作后的体征数据，可以为用户提供容貌变化操作后的预测体征数据，辅助用户做出决策。
进一步参考图5，其示出了用于预测容貌变化操作结果的方法的另一个实施例的流程500，包括以下步骤：
步骤501，获取容貌变化操作的样本数据，其中，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据；样本数据还包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据。
本实施例中对第一容貌数据、第二容貌数据、第一体征数据、第二体征数据与步骤201以及步骤401中的描述一致，此处不再赘述。
步骤502，基于第一容貌数据与对应的第二容貌数据、以及第一体征数据与对应的第二体征数据建立容貌变化操作的结果预测模型。
在本实施例中，根据样本数据中用户的容貌变化操作前的容貌数据、与该用户的容貌变化操作前的容貌数据对应的该用户的容貌变化操作后的容貌数据，以及用户的容貌变化操作前的体征数据、与该用户的容貌变化操作前的体征数据对应的该用户的容貌变化操作后的体征数据，利用数据挖掘技术或者回归分析等算法建立容貌变化操作的结果预测模型。本实施例根据多维的容貌变化操作前的数据以及容貌变化操作后的数据建立结果预测模型，可以提高建立的结果预测模型的预测准确性。
步骤503，获取目标用户容貌数据、体征数据以及意图容貌变化操作，基于目标用户的容貌数据、体征数据以及意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌数据以及体征数据。
在本实施例中，可以通过结果预测模型根据目标用户的容貌变化操作前的容貌数据、体征数据以及目标用户意图进行的容貌变化操作，对目标用户的进行该意图进行的容貌变化操作后的容貌数据以及体征数据进行预测。例如，容貌操作变化为隆鼻手术，可以根据目标用户手术前鼻子的图像以及鼻子的健康状况，如鼻梁是否因曾受过重击而留有裂纹等，判断目标用户隆鼻手术后鼻子的图像以及健康状况，如是否会出现鼻梁扭曲或者产生堵塞等后遗症。本实施例利用根据容貌数据以及体征数据建立的结果预测模型预测目标用户的容貌操作后的容貌数据以及体征数据，可以使预测模型对目标用户的容貌操作后的数据进行多维度分析，进而使预测结果更准确。
在上述结合图2、图4和图5描述的实施例的一些可选的实现方式中，用于预测容貌变化操作结果的方法还包括：基于容貌变化操作的结果预测模型对目标用户的意图容貌变化操作的预测结果，生成目标用户的意图容貌变化操作的操作风险提示信息。
在本实施例中，根据容貌变化操作结果预测模型输出的目标用户的容貌变化操作的预测结果，生成目标用户进行其意图进行的容貌变化操作的风险的提示信息。其中，预测结果可以是目标用户的容貌操作变化后的人脸图像和/或容貌操作变化后的体征数据，风险的提示信息可以是基于容貌操作变化后的人脸图像以及容貌操作变化后的人脸图像的对比生成的容貌变化度，或者基于容貌操作变化后的体征数据生成的体征数据报告。例如，容貌变化操作为医美手术中的割双眼皮项目，若容貌变化操作结果预测模型输出的目标用户的容貌变化操作的预测结果为人脸图像中的眼皮变化并不明显以及会换上如角膜炎等后遗症，则根据该预测结果向目标用户发出手术风险提示。本实施例根据预测结果向目标用户发出风险提示信息，可以进一步的帮助目标用户做出是否进行容貌变化操作的决策。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于预测容貌变化操作结果的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于预测容貌变化操作结果的装置600，其中，该装置600包括：获取单元601、建模单元602、预测单元603，其中，获取单元601，被配置为获取容貌变化操作的样本数据，其中，样本数据包括容貌变化操作前的用户的第一容貌数据以及与第一容貌数据对应的容貌变化操作后的第二容貌数据；建模单元602，被配置为基于第一容貌数据以及第二容貌数据建立容貌变化操作的结果预测模型；预测单元603，被配置为获取目标用户的容貌数据和意图容貌变化操作，基于目标用户的容貌数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的容貌数据。
在一些实施例中，建模单元，包括：提取模块，被配置为对第一容貌数据和第二容貌数据进行关键点特征提取；第一建模模块，被配置为对由第一容貌数据的关键点特征转换为第二容貌数据的关键点特征的转换关系进行建模，得到结果预测模型。
在一些实施例中，该装置还包括：获取与第二容貌数据对应的用户身体状态数据；建模单元，包括：第一建模子单元，被配置为基于第一容貌数据和对应的第二容貌数据、用户身体状态数据建立容貌变化操作的结果预测模型；该装置还包括：第二建模模块，被配置为利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的身体状态信息。
在一些实施例中，样本数据还包括容貌变化操作前的用户的第一体征数据以及与第一容貌数据对应的容貌变化操作后的第二体征数据。
在一些实施例中，该装置还包括：第三建模模块，被配置为根据第一体征数据以及对应的第二体征数据建立体征预测模型；体征预测模块，被配置为获取目标用户的体征数据和意图容貌变化操作，基于目标用户的容貌变化操作前的体征数据，利用体征预测模型预测目标用户的意图容貌变化操作后的体征数据。
在一些实施例中，建模单元，包括：第二建模子单元，被配置为基于第一容貌数据与对应的第二容貌数据、以及第一体征数据与对应的第二体征数据建立容貌变化操作的结果预测模型；该装置还包括：第四建模模块，被配置为获取目标用户的体征数据和意图容貌变化操作，基于目标用户的体征数据和意图容貌变化操作，利用容貌变化操作的结果预测模型预测目标用户的意图容貌变化操作后的体征数据。
在一些实施例中，该装置还包括：提示单元，被配置为基于容貌变化操作的结果预测模型对目标用户的意图容貌变化操作的预测结果，生成目标用户的意图容貌变化操作的操作风险提示信息。
上述装置600中的各单元与参考图2、图4和图5描述的方法中的步骤相对应。由此上文针对用于预测容貌变化操作结果的方法描述的操作、特征及所能达到的技术效果同样适用于装置600及其中包含的单元，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的用于预测容貌变化操作结果的方法的电子设备700的框图。电子设备旨在表示各种形式的数字计算机，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/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，该存储器存储有可由至少一个处理器执行的指令，以使该至少一个处理器执行本申请所提供的用于预测容貌变化操作结果的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用于预测容貌变化操作结果的方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用于预测容貌变化操作结果的方法对应的程序指令/模块(例如，附图6所示的获取单元601、建模单元602、预测单元603)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用于预测容貌变化操作结果的方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于预测容貌变化操作结果的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至用于预测容貌变化操作结果的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于预测容貌变化操作结果的方法的电子设备还可以包括：输入装置703、输出装置704以及总线707。处理器701、存储器702、输入装置703和输出装置704可以通过总线705或者其他方式连接，图7中以通过总线705连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与用于预测容貌变化操作结果的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处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、专用ASIC(专用集成电路)、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。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
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。
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。
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。
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，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种用于预测容貌变化操作结果的方法，包括：
获取容貌变化操作的样本数据，其中，所述样本数据包括所述容貌变化操作前的用户的第一容貌数据以及与所述第一容貌数据对应的容貌变化操作后的第二容貌数据；
基于所述第一容貌数据以及所述第二容貌数据建立容貌变化操作的结果预测模型；
获取目标用户的容貌数据和意图容貌变化操作，基于所述目标用户的容貌数据和意图容貌变化操作，利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的容貌数据。
2.根据权利要求1所述的方法，其中，所述基于所述第一容貌数据以及所述第二容貌数据建立容貌变化操作的结果预测模型，包括：
对所述第一容貌数据和所述第二容貌数据进行关键点特征提取；
对由所述第一容貌数据的关键点特征转换为所述第二容貌数据的关键点特征的转换关系进行建模，得到所述结果预测模型。
3.根据权利要求1所述的方法，其中，所述方法还包括：获取与所述第二容貌数据对应的用户身体状态数据；
所述基于所述第一容貌数据以及所述第二容貌数据建立容貌变化操作的结果预测模型，包括：
基于所述第一容貌数据和对应的第二容貌数据、用户身体状态数据建立容貌变化操作的结果预测模型；
所述方法还包括：
利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的身体状态信息。
4.根据权利要求1所述的方法，其中，所述样本数据还包括所述容貌变化操作前的用户的第一体征数据以及与所述第一容貌数据对应的容貌变化操作后的第二体征数据。
5.根据权利要求4所述的方法，其中，所述方法还包括：
根据所述第一体征数据以及对应的第二体征数据建立体征预测模型；
获取目标用户的体征数据和意图容貌变化操作，基于所述目标用户的体征数据，利用所述体征预测模型预测所述目标用户的意图容貌变化操作后的体征数据。
6.根据权利要求4所述的方法，其中，所述基于所述第一容貌数据以及所述第二容貌数据建立容貌变化操作的结果预测模型，包括：
基于所述第一容貌数据与对应的第二容貌数据、以及所述第一体征数据与对应的第二体征数据建立所述容貌变化操作的结果预测模型；
所述方法还包括：
获取目标用户的体征数据和意图容貌变化操作，基于所述目标用户的体征数据和意图容貌变化操作，利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的体征数据。
7.根据权利要求1-6之一所述的方法，其中，所述方法还包括：
基于所述容貌变化操作的结果预测模型对目标用户的意图容貌变化操作的预测结果，生成所述目标用户的意图容貌变化操作的操作风险提示信息。
8.一种用于预测容貌变化操作结果的装置，包括：
获取单元，被配置为获取容貌变化操作的样本数据，其中，所述样本数据包括所述容貌变化操作前的用户的第一容貌数据以及与所述第一容貌数据对应的容貌变化操作后的第二容貌数据；
建模单元，被配置为基于所述第一容貌数据以及所述第二容貌数据建立容貌变化操作的结果预测模型；
预测单元，被配置为获取目标用户容貌数据和意图容貌变化操作，基于所述目标用户的容貌数据和意图容貌变化操作，利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的容貌数据。
9.根据权利要求8所述的装置，其中，所述建模单元，包括：
提取模块，被配置为对所述第一容貌数据和所述第二容貌数据进行关键点特征提取；
第一建模模块，被配置为对由所述第一容貌数据的关键点特征转换为所述第二容貌数据的关键点特征的转换关系进行建模，得到所述结果预测模型。
10.根据权利要求8所述的装置，其中，所述装置还包括：获取与所述第二容貌数据对应的用户身体状态数据；
所述建模单元，包括：
第一建模子单元，被配置为基于所述第一容貌数据和对应的第二容貌数据、用户身体状态数据建立容貌变化操作的结果预测模型；
所述装置还包括：
第二建模模块，被配置为利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的身体状态信息。
11.根据权利要求8所述的装置，其中，所述样本数据还包括所述容貌变化操作前的用户的第一体征数据以及与所述第一容貌数据对应的容貌变化操作后的第二体征数据。
12.根据权利要求11所述的装置，其中，所述装置还包括：
第三建模模块，被配置为根据所述第一体征数据以及对应的第二体征数据建立体征预测模型；
体征预测模块，被配置为获取目标用户的体征数据和意图容貌变化操作，基于所述目标用户的容貌变化操作前的体征数据，利用所述体征预测模型预测所述目标用户的意图容貌变化操作后的体征数据。
13.根据权利要求11所述的装置，其中，所述建模单元，包括：
第二建模子单元，被配置为基于所述第一容貌数据与对应的第二容貌数据、以及所述第一体征数据与对应的第二体征数据建立所述容貌变化操作的结果预测模型；
所述装置还包括：
第四建模模块，被配置为获取目标用户的体征数据和意图容貌变化操作，基于所述目标用户的体征数据和意图容貌变化操作，利用所述容貌变化操作的结果预测模型预测所述目标用户的意图容貌变化操作后的体征数据。
14.根据权利要求8-13之一所述的装置，其中，所述装置还包括：
提示单元，被配置为基于所述容貌变化操作的结果预测模型对目标用户的意图容貌变化操作的预测结果，生成所述目标用户的意图容貌变化操作的操作风险提示信息。
15.一种电子设备，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权利要求1-7中任一项所述的方法。
16.一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权利要求1-7中任一项所述的方法。
CN202010608567.2A 2020-06-30 2020-06-30 用于预测容貌变化操作结果的方法和装置 Pending CN111767676A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010608567.2A CN111767676A (zh) 2020-06-30 2020-06-30 用于预测容貌变化操作结果的方法和装置
JP2021049337A JP2022003506A (ja) 2020-06-30 2021-03-24 容貌変化操作結果の予測方法及び装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム
US17/212,023 US20210209345A1 (en) 2020-06-30 2021-03-25 Method and Apparatus for Predicting Result of Appearance Changing Operation
KR1020210038965A KR20210040887A (ko) 2020-06-30 2021-03-25 용모 변화 조작 결과를 예측하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램
EP21165224.3A EP3828897A1 (en) 2020-06-30 2021-03-26 Method and apparatus for predicting result of appearance changing operation, device, storage medium and computer program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010608567.2A CN111767676A (zh) 2020-06-30 2020-06-30 用于预测容貌变化操作结果的方法和装置

Publications (1)

Publication Number Publication Date
CN111767676A true CN111767676A (zh) 2020-10-13

Family

ID=72724123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010608567.2A Pending CN111767676A (zh) 2020-06-30 2020-06-30 用于预测容貌变化操作结果的方法和装置

Country Status (5)

Country Link
US (1) US20210209345A1 (zh)
EP (1) EP3828897A1 (zh)
JP (1) JP2022003506A (zh)
KR (1) KR20210040887A (zh)
CN (1) CN111767676A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487597A (zh) * 2021-07-23 2021-10-08 四川大学 一种正畸术后侧貌预测方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608741A (zh) * 2015-12-17 2016-05-25 四川大学 预测颌面骨整形术后软组织容貌变化的计算机仿真方法
CN109994206A (zh) * 2019-02-26 2019-07-09 华为技术有限公司 一种容貌预测方法及电子设备
WO2020092275A1 (en) * 2018-11-01 2020-05-07 Microsoft Technology Licensing, Llc Machine learning based capacity management automated system

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7953260B2 (en) * 2006-06-09 2011-05-31 Craniosim Solutions, Inc. Predicting movement of soft tissue of the face in response to movement of underlying bone
EP2569755A4 (en) * 2010-05-21 2017-06-28 My Orthodontics Pty Ltd Prediction of post-procedural appearance
US10839578B2 (en) * 2018-02-14 2020-11-17 Smarter Reality, LLC Artificial-intelligence enhanced visualization of non-invasive, minimally-invasive and surgical aesthetic medical procedures
JP6566373B1 (ja) * 2018-10-25 2019-08-28 ジャパンモード株式会社 施術支援システム
US11151462B2 (en) * 2020-02-04 2021-10-19 Vignet Incorporated Systems and methods for using machine learning to improve processes for achieving readiness
AU2021287881A1 (en) * 2020-06-08 2023-01-19 Kinesiometrics, Inc. System and method for providing analytics relating to patients and medical interventions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608741A (zh) * 2015-12-17 2016-05-25 四川大学 预测颌面骨整形术后软组织容貌变化的计算机仿真方法
WO2020092275A1 (en) * 2018-11-01 2020-05-07 Microsoft Technology Licensing, Llc Machine learning based capacity management automated system
CN109994206A (zh) * 2019-02-26 2019-07-09 华为技术有限公司 一种容貌预测方法及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAO, KAIDA等: "Colour appearance assessment for dissimilar sizes", 《UNIVERSITY OF DERBY》, 31 December 2006 (2006-12-31) *
施建宇;张艳宁;翟培芳;周洪;: "正畸手术模拟与术后容貌预测可视化系统", 系统仿真学报, no. 08, 8 August 2010 (2010-08-08) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487597A (zh) * 2021-07-23 2021-10-08 四川大学 一种正畸术后侧貌预测方法、装置、电子设备及存储介质
CN113487597B (zh) * 2021-07-23 2023-08-29 四川大学 一种正畸术后侧貌预测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP3828897A1 (en) 2021-06-02
US20210209345A1 (en) 2021-07-08
KR20210040887A (ko) 2021-04-14
JP2022003506A (ja) 2022-01-11

Similar Documents

Publication Publication Date Title
CN111428008B (zh) 用于训练模型的方法、装置、设备以及存储介质
US9911032B2 (en) Tracking hand/body pose
CN111681726A (zh) 电子病历数据的处理方法、装置、设备和介质
US20190392587A1 (en) System for predicting articulated object feature location
JP7131758B2 (ja) 点群データ処理方法、装置、電子機器及び読み取り可能な記憶媒体
CN112036509A (zh) 用于训练图像识别模型的方法和装置
WO2018182981A1 (en) Sensor data processor with update ability
CN112270711B (zh) 模型训练以及姿态预测方法、装置、设备以及存储介质
JP2023505283A (ja) 照応解決方法、システム、プログラム
Dao et al. Daily human activities recognition using heterogeneous sensors from smartphones
CN113240778A (zh) 虚拟形象的生成方法、装置、电子设备和存储介质
CN111354370B (zh) 一种唇形特征预测方法、装置和电子设备
CN116228867B (zh) 位姿确定方法、装置、电子设备、介质
JP2024511171A (ja) 動作認識の方法および装置
CN111695698A (zh) 用于模型蒸馏的方法、装置、电子设备及可读存储介质
CN111709875A (zh) 图像处理方法、装置、电子设备及存储介质
CN111753761A (zh) 模型生成方法、装置、电子设备及存储介质
CN113407850A (zh) 一种虚拟形象的确定和获取方法、装置以及电子设备
CN112101552A (zh) 用于训练模型的方法、装置、设备以及存储介质
CN112288483A (zh) 用于训练模型的方法和装置、用于生成信息的方法和装置
CN112116525A (zh) 换脸识别方法、装置、设备和计算机可读存储介质
CN111523467A (zh) 人脸跟踪方法和装置
CN111104874A (zh) 人脸年龄预测方法及模型的训练方法、装置及电子设备
CN111767676A (zh) 用于预测容貌变化操作结果的方法和装置
CN111461306B (zh) 特征评估的方法及装置

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