CN111797665B - 用于转换视频的方法和装置 - Google Patents
用于转换视频的方法和装置 Download PDFInfo
- Publication number
- CN111797665B CN111797665B CN201910775142.8A CN201910775142A CN111797665B CN 111797665 B CN111797665 B CN 111797665B CN 201910775142 A CN201910775142 A CN 201910775142A CN 111797665 B CN111797665 B CN 111797665B
- Authority
- CN
- China
- Prior art keywords
- initial
- video
- video frame
- target
- generator
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims description 210
- 238000004088 simulation Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005303 weighing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000002131 composite material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于转换视频的方法和装置。上述方法的一具体实施方式包括:获取待转换源域视频;根据待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,视频生成模型通过以下步骤生成:根据预设的源域视频集合和目标域视频集合,确定初始生成器和初始判别器;根据源域视频和目标域视频中的任意相邻两视频帧、初始生成器和初始判别器,确定初始运动转换器;利用源域视频集合和目标域视频集合,训练初始生成器、初始判别器和初始运动转换器,得到视频生成模型。该实施方式以无监督的方式实现了源域视频至目标域视频的转换,可以保证视频转换的外观相似度和时间连续性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于转换视频的方法和装置。
背景技术
无监督图像到图像转换是在没有任何配对训练样本的情况下将图像从一个域“翻译”到另一个域的任务。因为无需配对的训练样本,所以更适用于实际应用。然而,将图像到图像转换扩展成视频到视频的转换是很有难度的,尤其是后者还需要捕获视频中复杂的时空结构。该任务的难度不仅来源于我们需要保证每帧的视觉外观真实,同时还要保证连续帧之间的运动在变换前后应该也是真实且一致的。
发明内容
本申请实施例提出了用于转换视频的方法和装置。
第一方面,本申请实施例提供了一种用于转换视频的方法,包括:获取待转换源域视频;根据上述待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,上述视频生成模型用于表征源域视频和目标域视频的对应关系,上述视频生成模型通过以下步骤生成:根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,上述第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,上述第一初始判别器用于判别上述第一初始生成器生成的目标域视频帧的真假,上述第二初始生成器用于生成目标域视频帧对应的源域视频帧,上述第二初始判别器用于判别上述第二初始生成器生成的源域视频帧的真假;根据上述源域视频集合中源域视频和上述目标域视频集合中目标域视频中的任意相邻两视频帧、上述第一初始生成器、上述第一初始判别器、上述第二初始生成器和上述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,上述第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,上述第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;利用上述源域视频集合和上述目标域视频集合,训练上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器、上述第一初始运动转换器和上述第二初始运动转换器,得到上述视频生成模型。
在一些实施例中,根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,包括:将上述源域视频集合中的源域视频作为输入,将上述目标域视频集合中的目标域视频作为期望输出,得到上述第一初始生成器;将上述源域视频集合中的源域视频输入上述第一初始生成器,得到上述第一初始生成器输出的第一合成视频,将上述源域视频和上述第一合成视频作为训练样本,训练得到上述第一初始判别器;将上述目标域视频集合中的目标域视频作为输入,将上述源域视频集合中的源域视频作为期望输出,得到上述第二初始生成器;将上述目标域视频集合中的目标域视频输入上述第二初始生成器,得到上述第二初始生成器输出的第二合成视频,将上述目标域视频和上述第二合成视频作为训练样本,训练得到上述第二初始判别器。
在一些实施例中,上述根据上述源域视频集合中源域视频和上述目标域视频集合中目标域视频中的任意相邻两视频帧、上述第一初始生成器、上述第一初始判别器、上述第二初始生成器和上述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,包括:对于上述源域视频集合中源域视频中的任意相邻两源域视频帧,执行以下第一样本生成步骤:利用上述第一初始生成器生成上述相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成上述相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧;确定上述前一源域视频帧与上述后一源域视频帧之间的第一光流图像,以及确定上述第一生成视频帧和上述第二生成视频帧之间的第二光流图像;将上述第一光流图像与上述第二光流图像作为第一训练样本;确定由多个第一训练样本形成的第一训练样本集合,以及将上述第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
在一些实施例中,上述根据上述源域视频集合中源域视频和上述目标域视频集合中目标域视频中的任意相邻两视频帧、上述第一初始生成器、上述第一初始判别器、上述第二初始生成器和上述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,包括:对于上述目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行以下第二样本生成步骤:利用上述第二初始生成器生成上述相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成上述相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧;确定上述前一目标域视频帧与上述后一目标域视频帧之间的第三光流图像,以及确定上述第三生成视频帧和上述第四生成视频帧之间的第四光流图像;将上述第三光流图像与上述第四光流图像作为第二训练样本;确定由多个第二训练样本形成的第二训练样本集合,以及将上述第二训练样本集合中第二训练样本的第三光流图像作为输入,将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
在一些实施例中,上述利用上述源域视频集合和上述目标域视频集合,训练上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到上述视频生成模型,包括:利用第二初始生成器生成与第一生成视频帧对应的第一重构视频帧,以及生成与第二生成视频帧对应的第二重构视频帧;利用第一初始生成器生成与第三生成视频帧对应的第三重构视频帧,以及生成与第四生成视频帧对应的第四重构视频帧;确定第一重构视频帧和第二重构视频帧之间的第五光流图像;确定第三重构视频帧和第四重构视频帧之间的第六光流图像;利用上述第一初始运动转换器生成上述第一光流图像对应的第七光流图像,以及根据上述第七光流图像以及上述第一生成视频帧,确定上述第二生成视频帧的模拟图像;利用上述第二初始运动转换器生成上述第三光流图像对应的第八光流图像,以及根据上述第八光流图像以及上述第三生成视频帧,确定上述第四生成视频帧的模拟图像。
在一些实施例中,上述根据上述第七光流图像以及上述第一生成视频帧,确定上述第二生成视频帧的模拟图像,包括:根据上述第七光流图像,确定上述相邻两源域视频帧中的运动信息;根据上述运动信息,对上述第一生成帧视频帧执行扭曲操作,得到上述第二生成视频帧的模拟图像。
在一些实施例中,上述利用上述源域视频集合和上述目标域视频集合,训练上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到上述视频生成模型,包括:利用上述第二初始判别器计算上述前一目标域视频帧和上述第一生成视频帧之间的第一对抗损失和上述后一目标域视频帧和上述第二生成视频帧之间的第二对抗损失;利用上述第一初始判别器计算上述前一源域视频帧和上述第三生成视频帧之间的第三对抗损失和上述后一源域视频帧和上述第四生成视频帧之间的第四对抗损失;计算上述前一源域视频帧和上述第一重构视频帧之间的第一相似度和上述后一源域视频帧和上述第二重构视频帧之间的第二相似度;计算上述前一目标域视频帧和上述第三重构视频帧之间的第三相似度和上述后一目标域视频帧和上述第四重构视频帧之间的第四相似度;计算上述第一光流图像和上述第五光流图像之间的第五相似度;计算上述第三光流图像和上述第六光流图像之间的第六相似度;计算上述第二生成视频帧的模拟图像与上述第二生成视频帧之间的第七相似度;计算上述第四生成视频帧的模拟图像与上述第四生成视频帧之间的第八相似度;计算上述第二光流图像和上述第七光流图像之间的第九相似度;计算上述第四光流图像和上述第八光流图像之间的第十相似度;基于上述第一对抗损失至上述第四对抗损失、上述第一相似度至上述第十相似度,对上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器以及上述第一初始运动转换器和上述第二初始运动转换器进行交替训练,得到上述视频生成模型。
在一些实施例中,上述交替训练包括迭代的第一训练步骤、第二训练步骤以及第三训练步骤;以及上述第一训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据上述第一对抗损失至上述第四对抗损失,优化第一目标判别器和第二目标判别器;上述第二训练步骤包括:固定上述第一目标运动转换器和上述第二目标运动转换器的参数,根据上述第一相似度至上述第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器;上述第三训练步骤包括:固定上述第一目标判别器、上述第二目标判别器、上述第一目标生成器和上述第二目标生成器的参数,根据上述第九相似度至上述第十相似度,优化上述第一目标运动转换器和上述第二目标运动转换器;其中,上述第一目标运动转换器、上述第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器,上述第一目标判别器和上述第二目标判别器为前次迭代得到的第一判别器和第二判别器,上述第一目标生成器和上述第二目标生成器为前次迭代得到的第一生成器和第二生成器。
第二方面,本申请实施例提供了一种用于转换视频的装置,包括:视频获取单元,被配置成获取待转换源域视频;视频转换单元,被配置成根据上述待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,上述视频生成模型用于表征源域视频和目标域视频的对应关系,上述视频生成模型通过以下单元生成:第一生成单元,被配置成根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,上述第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,上述第一初始判别器用于判别上述第一初始生成器生成的目标域视频帧的真假,上述第二初始生成器用于生成目标域视频帧对应的源域视频帧,上述第二初始判别器用于判别上述第二初始生成器生成的源域视频帧的真假;第二生成单元,被配置成根据上述源域视频集合中源域视频和上述目标域视频集合中目标域视频中的任意相邻两视频帧、上述第一初始生成器、上述第一初始判别器、上述第二初始生成器和上述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,上述第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,上述第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;第三生成单元,被配置成利用上述源域视频集合和上述目标域视频集合,训练上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器、上述第一初始运动转换器和上述第二初始运动转换器,得到上述视频生成模型。
在一些实施例中,上述第一生成单元进一步被配置成:将上述源域视频集合中的源域视频作为输入,将上述目标域视频集合中的目标域视频作为期望输出,得到上述第一初始生成器;将上述源域视频集合中的源域视频输入上述第一初始生成器,得到上述第一初始生成器输出的第一合成视频,将上述源域视频和上述第一合成视频作为训练样本,训练得到上述第一初始判别器;将上述目标域视频集合中的目标域视频作为输入,将上述源域视频集合中的源域视频作为期望输出,得到上述第二初始生成器;将上述目标域视频集合中的目标域视频输入上述第二初始生成器,得到上述第二初始生成器输出的第二合成视频,将上述目标域视频和上述第二合成视频作为训练样本,训练得到上述第二初始判别器。
在一些实施例中,上述第二生成单元进一步被配置成:对于上述源域视频集合中源域视频中的任意相邻两源域视频帧,执行以下第一样本生成步骤:利用上述第一初始生成器生成上述相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成上述相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧;确定上述前一源域视频帧与上述后一源域视频帧之间的第一光流图像,以及确定上述第一生成视频帧和上述第二生成视频帧之间的第二光流图像;将上述第一光流图像与上述第二光流图像作为第一训练样本;确定由多个第一训练样本形成的第一训练样本集合,以及将上述第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
在一些实施例中,上述第二生成单元进一步被配置成:对于上述目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行以下第二样本生成步骤:利用上述第二初始生成器生成上述相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成上述相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧;确定上述前一目标域视频帧与上述后一目标域视频帧之间的第三光流图像,以及确定上述第三生成视频帧和上述第四生成视频帧之间的第四光流图像;将上述第三光流图像与上述第四光流图像作为第二训练样本;确定由多个第二训练样本形成的第二训练样本集合,以及将上述第二训练样本集合中第二训练样本的第三光流图像作为输入,将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
在一些实施例中,上述第三生成单元进一步被配置成:利用第二初始生成器生成与第一生成视频帧对应的第一重构视频帧,以及生成与第二生成视频帧对应的第二重构视频帧;利用第一初始生成器生成与第三生成视频帧对应的第三重构视频帧,以及生成与第四生成视频帧对应的第四重构视频帧;确定第一重构视频帧和第二重构视频帧之间的第五光流图像;确定第三重构视频帧和第四重构视频帧之间的第六光流图像;利用上述第一初始运动转换器生成上述第一光流图像对应的第七光流图像,以及根据上述第七光流图像以及上述第一生成视频帧,确定上述第二生成视频帧的模拟图像;利用上述第二初始运动转换器生成上述第三光流图像对应的第八光流图像,以及根据上述第八光流图像以及上述第三生成视频帧,确定上述第四生成视频帧的模拟图像。
在一些实施例中,上述第三生成单元进一步被配置成:根据上述第五光流图像,确定上述相邻两源域视频帧中的运动信息;根据上述运动信息,对上述第一生成帧视频帧执行扭曲操作,得到上述第二生成视频帧的模拟图像。
在一些实施例中,上述第三生成单元进一步被配置成:利用上述第二初始判别器计算上述前一目标域视频帧和上述第一生成视频帧之间的第一对抗损失和上述后一目标域视频帧和上述第二生成视频帧之间的第二对抗损失;利用上述第一初始判别器计算上述前一源域视频帧和上述第三生成视频帧之间的第三对抗损失和上述后一源域视频帧和上述第四生成视频帧之间的第四对抗损失;计算上述前一源域视频帧和上述第一重构视频帧之间的第一相似度和上述后一源域视频帧和上述第二重构视频帧之间的第二相似度;计算上述前一目标域视频帧和上述第三重构视频帧之间的第三相似度和上述后一目标域视频帧和上述第四重构视频帧之间的第四相似度;计算上述第一光流图像和上述第五光流图像之间的第五相似度;计算上述第三光流图像和上述第六光流图像之间的第六相似度;计算上述第二生成视频帧的模拟图像与上述第二生成视频帧之间的第七相似度;计算上述第四生成视频帧的模拟图像与上述第四生成视频帧之间的第八相似度;计算上述第二光流图像和上述第七光流图像之间的第九相似度;计算上述第四光流图像和上述第八光流图像之间的第十相似度;基于上述第一对抗损失至上述第四对抗损失、上述第一相似度至上述第十相似度,对上述第一初始生成器、上述第一初始判别器、上述第二初始生成器、上述第二初始判别器以及上述第一初始运动转换器和上述第二初始运动转换器进行交替训练,得到上述视频生成模型。
在一些实施例中,上述交替训练包括迭代的第一训练步骤、第二训练步骤以及第三训练步骤;以及上述第一训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据上述第一对抗损失至上述第四对抗损失,优化第一目标判别器和第二目标判别器;上述第二训练步骤包括:固定上述第一目标运动转换器和上述第二目标运动转换器的参数,根据上述第一相似度至上述第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器;上述第三训练步骤包括:固定上述第一目标判别器、上述第二目标判别器、上述第一目标生成器和上述第二目标生成器的参数,根据上述第九相似度至上述第十相似度,优化上述第一目标运动转换器和上述第二目标运动转换器;其中,上述第一目标运动转换器、上述第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器,上述第一目标判别器和上述第二目标判别器为前次迭代得到的第一判别器和第二判别器,上述第一目标生成器和上述第二目标生成器为前次迭代得到的第一生成器和第二生成器。
第三方面,本申请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,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面任一实施例所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一实施例所描述的方法。
本申请的上述实施例提供的用于转换视频的方法和装置,首先可以获取待转换源域视频,然后根据待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,上述视频生成模型用于表征源域视频和目标域视频的对应关系。上述视频生成模型可以通过以下步骤来生成:首先,根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器。然后,根据源域视频集合中源域视频中和目标域视频集合中目标域视频中的任意相邻两视频帧、第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,生成第一初始运动转换器和第二初始运动转换器。最后,利用源域视频集合和目标域视频集合,训练第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到视频生成模型。本实施例的方法,以无监督的方式实现了源域视频至目标域视频的转换,可以保证视频转换的外观相似度和时间连续性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个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转换视频的方法的一个实施例的流程图;
图3是根据本申请的用于转换视频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转换视频的方法中确定第一初始运动转换器和第二初始运动转换器的流程图;
图5是根据本申请的用于转换视频的方法中得到训练第一生成器、第二生成器和第一运动转换器的训练流程图;
图6是图5所示实施例的生成对抗网络的结构示意图;
图7是根据本申请的用于转换视频的装置的一个实施例的结构示意图;
图8是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于转换视频的方法或用于转换视频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,以接收或发送视频等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频播放应用、视频采集应用、即时通信工具、邮箱客户端、社交平台软件等。用户可以通过终端设备101、102、103将待转换的源域视频发送给服务器105,以使服务器105对接收到的视频进行转换。
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,可以是具有显示屏并且支持视频播放的各种电子设备,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。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。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),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可以是提供各种服务的服务器,例如对终端设备101、102、103上播放的视频提供支持的后台视频服务器。后台视频服务器可以对接收到的待转换的源域视频等数据进行转换处理,并将处理结果(例如转换后目标域视频)反馈给终端设备101、102、103。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,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),也可以实现成单个软件或软件模块。在此不做具体限定。
本申请实施例所提供的用于转换视频的方法一般由服务器105执行。需要说明的是,本实施例中的视频生成模型的步骤的执行主体与转换视频的执行主体可以不同,也可以不同。也就是说,本实施例的用于转换视频的方法可以是单个服务器来实现,也可以由多个服务器来实现。相应地,用于转换视频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,示出了根据本申请的用于转换视频的方法的一个实施例的流程200。本实施例的用于转换视频的方法,包括以下步骤:
步骤201,获取待转换源域视频。
在本实施例中,用于转换视频的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从其它设备(例如图1所示的终端设备101、102、103)处获取待转换源域视频。上述待转换源域视频可以包括多个连续的视频帧。上述待转换源域视频可以是各种格式的视频,可以是各种时长的视频。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,根据待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频。
执行主体在获取到待转换源域视频后,可以将上述待转换源域视频输入到预先训练的视频生成模型中,得到视频生成模型输出的转换后目标域视频。本实施例中,源域和目标域可以是两个不同的不同的域。源域中的各视频可以具有相同的特点,同样的,目标域中的各视频也可以具有相同的特点。且源域中各视频的特点可以与目标域各视频的特点不同。例如,源域中各视频可以均为拍摄于白天的视频,目标域中各视频可以均为拍摄于黑夜的视频。
上述视频生成模型用于表征源域视频和目标域视频的对应关系。上述视频生成模型可以是对抗生成网络。生成对抗网络主要包括两部分:生成器和判别器。可以将它们分别比喻为伪造者(Generator)和警察(Discriminator)。伪造者总想着制造出能够以假乱真的钞票,而警察则试图用更先进的技术甄别真假钞票。两者在博弈过程中不断升级自己的技术。
本实施例中,上述视频生成模型可以通过以下步骤203~205来生成。需要说明的是,步骤203~205的执行主体可以与步骤201~202的执行主体相同,也可以不相同。当二者不相同时,步骤203~205的执行主体可以将生成的视频生成模型发送给步骤201~202的执行主体。
步骤203,根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器。
本实施例中,执行主体可以首先获取源域视频集合和目标域视频集合。上述源域视频集合中可以包括多个源域视频,目标域视频集合中可以包括多个目标域视频。执行主体可以对源域视频集合中的各源域视频和目标域视频集合中的多个目标域视频进行学习,得到第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器。此处,第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧。第一初始判别器用于判别第一初始生成器生成的目标域视频帧的真假。第二初始生成器用于生成目标域视频帧对应的源域视频帧。第二初始判别器用于判别第二初始生成器生成的源域视频帧的真假。当第一初始判别器或第二初始判别器认定第一初始生成器或第二初始生成器生成的视频帧为真时,可以输出1。当认定为假时,可以输出0。可以理解的是,在第一初始生成器或第二初始生成器被优化后,第一初始判别器或第二初始判别器难以判断出其生成的视频帧的真假。
在本实施例的一些可选的实现方式中,执行主体可以利用图2中未示出的以下步骤来确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器:
首先,将源域视频集合中的源域视频作为输入,将目标域视频集合中的目标域视频作为期望输出,得到第一初始生成器。
本实现方式中,执行主体可以将源域视频集合中的各源域视频作为输入,将目标域视频集合中的各目标域视频作为期望输出,训练得到第一初始生成器。
然后,将源域视频集合中的源域视频输入第一初始生成器,得到第一初始生成器输出的第一合成视频,将源域视频和第一合成视频作为训练样本,训练得到第一初始判别器。
在得到第一初始生成器后,执行主体可以将源域视频集合中的源域视频输入至上述第一初始生成器中,得到第一初始生成器输出的第一合成视频。可以理解的是,输入的源域视频为真,输出的第一合成视频为假。这样,输入的源域视频与输出的第一合成视频作为标注的训练样本。如果源域视频集合中包括多个源域视频,则可以得到多个训练样本。
或者,执行主体还可以分别将源域视频集合中每个源域视频的视频帧输入上述第一初始生成器中,得到第一初始生成器输出的合成视频帧。输入的源域视频帧为真,输出的合成视频帧为假。这样,输入的源域视频帧与输出的合成视频帧作为标注的训练样本。
执行主体可以利用得到的训练样本进行训练得到第一初始判别器。
第二初始生成器的生成原理与第一初始生成器的生成原理相似,第二初始判别器的生成原理与第一初始判别器的生成原理相似。具体的,执行主体可以通过以下步骤来得到第二初始生成器和第二初始判别器:
首先,将目标域视频集合中的目标域视频作为输入,将源域视频集合中的源域视频作为期望输出,得到第二初始生成器。
本实现方式中,执行主体可以将目标域视频集合中的各目标域视频作为输入,将源域视频集合中的各源域视频作为期望输出,训练得到第二初始生成器。
其次,将目标域视频集合中的目标域视频输入所述第二初始生成器,得到第二初始生成器输出的第二合成视频,将目标域视频和第二合成视频作为训练样本,训练得到第二初始判别器。
在得到第二初始生成器后,执行主体可以将目标域视频集合中的目标域视频输入至上述第二初始生成器中,得到第二初始生成器输出的第二合成视频。可以理解的是,输入的目标域视频为真,输出的第二合成视频为假。这样,输入的目标域视频与输出的第二合成视频作为标注的训练样本。如果目标域视频集合中包括多个目标域视频,则可以得到多个训练样本。执行主体可以利用得到的训练样本进行训练得到第二初始判别器。
本实现方式中,由于源域视频集合中的各源域视频与目标域视频集合中的各目标域视频并未配对,所以第一初始生成器和第二初始生成器的训练为无监督的训练。
步骤204,根据源域视频集合中源域视频和目标域视频集合中目标域视频中的任意相邻两视频帧、第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,确定第一初始运动转换器和第二初始运动转换器。
在得到第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器后,执行主体可以根据源域视频集合中源域视频和目标域视频集合中目标域视频中的任意相邻两视频帧,来生成第一初始运动转换器和第二初始运动转换器。具体的,执行主体可以计算任意两视频帧之间的运动信息,利用运动信息有监督地训练,得到第一初始运动转换器和第二初始运动转换器。
步骤205,利用源域视频集合和目标域视频集合,训练第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到视频生成模型。
本实施例中,在得到第一初始运动转换器和第二初始运动转换器后,执行主体可以利用源域视频集合和目标域视频集合,分别训练第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到视频生成模型。具体的,执行主体可以分别利用源域视频集合和目标域视频集合,对第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器和第一初始运动转换器和第二初始运动转换器进行多次迭代交替训练,最终得到视频生成模型。
继续参见图3,图3是根据本实施例的用于转换视频的方法的应用场景的一个示意图。在图3的应用场景中,服务器302可以预先训练好视频生成模型,并将视频生成模型存储在本地。终端301向服务器302发送待转换源域视频。服务器302在接收到上述待转换源域视频后,可以将上述待转换源域视频输入上述视频生成模型,得到转换后目标域视频。服务器302还可以将转换后目标域视频发送给终端301,以供用户查看。
本申请的上述实施例提供的用于转换视频的方法,以无监督的方式实现了源域视频至目标域视频的转换,可以保证视频转换的外观相似度和时间连续性。
继续参见图4,其示出了根据本申请的用于转换视频的方法中确定第一初始运动转换器和第二初始运动转换器的流程400。本实施例中,运动转换器的目的在于将源域中的运动信息转换为目标域中的运动信息。如图4所示,对于源域视频集合中源域视频中的任意相邻两源域视频帧,可以通过以下步骤来确定第一初始运动转换器:
步骤401,利用第一初始生成器生成相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧。
本实施例中,为清楚的表示各视频帧,以xt来表示相邻两源域视频帧中的前一源域视频帧,以xt+1来表示相邻两源域视频帧中的后一源域视频帧。以GX来表示第一初始生成器,以GY来表示第二初始生成器。以来表示第一生成视频帧,以/>来表示第二生成视频帧。
执行主体可以首先利用第一初始生成器GX生成相邻两源域视频帧中的前一源域视频帧xt对应的第一生成视频帧还可以利用第一初始生成器GX生成相邻两源域视频帧中的后一源域视频帧xt+1对应的第二生成视频帧/>具体的,执行主体可以将xt输入GX中,得到/>将xt+1输入GX中,得到/>
步骤402,确定前一源域视频帧与后一源域视频帧之间的第一光流图像,以及确定第一生成视频帧和第二生成视频帧之间的第二光流图像。
本实施例中,以来表示第一光流图像,以/>来表示第二光流图像。
执行主体可以通过各种方式来得到前一源域视频帧xt与后一源域视频帧xt+1之间的第一光流图像此处,光流是指利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧和当前帧之间的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法。执行主体可以将xt和xt+1分别输入Flownet中,得到/>Flownet可以利用卷积神经网络来直接预测光流。
同样的,执行主体可以将第一生成视频帧和第二生成视频帧/>分别输入Flownet中,得到第二光流图像/>
步骤403,将第一光流图像与第二光流图像作为第一训练样本。
本实施例中,第一光流图像表示的是xt和xt+1之间的运动信息,第二光流图像表示的是和/>之间的运动信息。因此,执行主体可以将第一光流图像和第二光流图像作为配对的训练样本。
可以理解的是,每个相邻的两源域视频帧都可以得到一个第一训练样本。则源域视频集合中的源域视频可以得到多个第一训练样本,得到第一训练样本集合。然后,执行主体可以通过步骤405来训练得到第一初始运动转换器。
步骤404,确定由多个第一训练样本形成的第一训练样本集合,以及将第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
本实施例中,在通过步骤204得到第一训练样本后,可以得到由多个第一训练样本形成的第一训练样本集合。然后,执行主体可以将第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。以MX来表示第一初始运动转换器。
可以理解的是,第二初始运动转换器的训练原理与第一初始运动转换器的训练原理相似。具体的,对于目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行主体可以通过图4中未示出的以下第二样本生成步骤:
首先,利用第二初始生成器生成相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧。
其次,确定前一目标域视频帧与后一目标域视频帧之间的第三光流图像,以及确定第三生成视频帧和第四生成视频帧之间的第四光流图像。
最后,将第三光流图像与第四光流图像作为第二训练样本。
通过上述三个步骤,每两个相邻的目标域视频帧可以得到第二训练样本。则对于目标域视频集合来说,则可以得到多个第二训练样本,得到第二训练样本集合。然后,执行主体可以将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
本申请的上述实施例提供的用于转换视频的方法,可以通过现有的源域视频集合和目标域视频集合,训练得到第一初始运动转换器和第二初始运动转换器,从而能够保证视频中各视频帧件的运动信息。
继续参见图5,其示出了根据本申请的用于转换视频的方法中得到训练第一生成器、第二生成器和第一运动转换器的训练流程500。如图5所示,本实施例中,可以通过以下步骤来对第一生成器、第二生成器和第一运动转换器进行训练:
步骤501,利用第二初始生成器生成与第一生成视频帧对应的第一重构视频帧,以及生成与第二生成视频帧对应的第二重构视频帧。
本实施例中,以来表示第一重构视频帧,以/>来表示第二重构视频帧。
执行主体可以利用第二初始生成器GY生成与第一生成视频帧对应的第一重构视频帧/>还可以利用第二初始生成器GY生成与第二生成视频帧/>对应的第二重构视频帧具体的,执行主体可以将/>输入GY中,得到/>将/>输入GY中,得到/>
步骤502,确定第一重构视频帧和第二重构视频帧之间的第五光流图像。
本实施例中,执行主体可以将第一重构视频帧和第二重构视频帧/>输入Flownet中,得到第五光流图像/>第五光流图像/>表示的是第一重构视频帧/>和第二重构视频帧/>之间的运动信息。/>
步骤503,利用第一初始运动转换器生成第一光流图像对应的第七光流图像,以及根据第七光流图像以及第一生成视频帧,确定第二生成视频帧的模拟图像。
本实施例中,以来表示第七光流图像,以/>来表示第二生成视频帧/>的模拟图像。
执行主体在得到第一初始运动转换器MX后,可以利用第一初始运动转换器MX得到第七光流图像具体的,执行主体可以将第一光流图像/>输入第一初始运动转换器MX,得到第七光流图像/>可以理解的是,上述第七光流图像/>中包括了第一生成视频帧/>中的运动对象的运动信息。执行主体可以根据上述运动信息对第一生成视频帧/>中的运动对象进行移动,得到第二生成视频帧/>的模拟图像。
在本实施例的一些可选的实现方式中,执行主体可以通过图5中未示出的以下步骤来生成第二生成视频帧的模拟图像:根据第七光流图像,确定相邻两源域视频帧中的运动信息;根据运动信息,对第一生成帧视频帧执行扭曲操作,得到第二生成视频帧的模拟图像。
本实现方式中,执行主体可以解析第七光流图像中包括的运动信息。上述运动信息可以用于表示第一生成视频帧/>中的运动对象的运动距离和运动方向。执行主体可以根据上述运动信息对第一生成视频帧/>中的各像素进行扭曲操作。从而得到第二生成视频帧/>的模拟图像/>
步骤504,利用第二初始判别器计算前一目标域视频帧和第一生成视频帧之间的第一对抗损失和后一目标域视频帧和第二生成视频帧之间的第二对抗损失。
本实施例中,执行主体可以利用第二初始判别器DY来计算前一目标域视频帧ys和第一生成视频帧之间的第一对抗损失。同样的,执行主体也可以利用第二初始判别器DY来计算后一目标域视频帧ys+1和第二生成视频帧/>之间的第二对抗损失。
此处第一对抗损失可以由以下公式来表示:
步骤505,计算前一源域视频帧和第一重构视频帧之间的第一相似度和后一源域视频帧和第二重构视频帧之间的第二相似度。
本领域技术人员可以理解的是,在训练后,GX和GY的效果都较好,可以生成与输入的视频帧比较相近的视频帧。则前一源域视频帧xt和第一生成视频帧之间应比较相似。同样的,第一生成视频帧/>和第一重构视频帧/>之间也比较相似。那么,前一源域视频帧xt和第一重构视频帧/>之间也应该相似。本实施例中,通过计算前一源域视频帧xt和第一重构视频帧/>之间的第一相似度,并利用第一相似度来评估GX和GY的生成效果。
同样的原理,本实施例中,还可以计算后一源域视频帧xt+1和第二重构视频帧之间的第二相似度。结合第一相似度和第二相似度,来评估GX和GY的生成效果,以提高GX和GY的生成效果。
步骤506,计算第一光流图像和第五光流图像之间的第五相似度。
根据前面所描述的,前一源域视频帧xt和第一重构视频帧之间也应该相似,后一源域视频帧xt+1和第二重构视频帧/>之间也应该相似,那么前一源域视频帧xt和后一源域视频帧xt+1之间的第一光流图像/>与第一重构视频帧/>和第二重构视频帧/>之间的第五光流图像/>也应该相似。本实施例中,通过计算第一光流图像/>和第五光流图像之间的第五相似度,来进一步评估GX和GY的生成效果,以提高GX和GY的生成效果。
步骤507,计算第二生成视频帧的模拟图像与第二生成视频帧之间的第七相似度。
本实施例中,第二生成视频帧的模拟图像是由第七光流图像/>以及第一生成视频帧/>确定得到。而第二生成视频帧/>是由GX得到。通过计算第二生成视频帧的模拟图像/>和第二生成视频帧/>之间的第七相似度,也可以评估GX的生成效果。
步骤508,计算第二光流图像和第七光流图像之间的第九相似度。
本实施例中,第一光流图像表示的是前一源域视频帧xt与后一源域视频帧xt+1之间的运动信息。第二光流图像/>表示的是第一生成视频帧/>与第二生成视频帧/>之间的运动信息。第七光流图像/>表示的是MX转换后得到的运动信息。可以理解的是,如果第二光流图像/>和第七光流图像/>比较相似的话,说明MX的转换效果较好。
本实施例提供图6来对步骤501~508进行进一步解释。图6中,源域X的相邻两视频帧xt和xt+1输入Flownet中,得到第一光流图像同时,将xt输入GX中,得到/>将xt+1输入GX中,得到/>同时将/>输入GY中,得到/>将/>输入GY中,得到/>并将/>和/>输入Flownet中,得到第二光流图像/>还可以将第一光流图像/>输入运动转换器MX中,得到第七光流图像/>并对第七光流图像/>进行扭曲操作,得到/>的模拟图像/>
同样的原理,执行主体也可以对目标域Y中的相邻两视频帧ys和ys+1进行类似的处理。即执行图5中未示出的以下步骤:
步骤S1,利用第一初始生成器生成与第三生成视频帧对应的第三重构视频帧,以及生成与第四生成视频帧对应的第四重构视频帧。
步骤S2,确定第三重构视频帧和第四重构视频帧之间的第六光流图像。
步骤S3,利用第二初始运动转换器生成第三光流图像对应的第八光流图像,以及根据第八光流图像以及第三生成视频帧,确定第四生成视频帧的模拟图像。
步骤S4,利用第一初始判别器计算前一源域视频帧和第三生成视频帧之间的第三对抗损失和后一源域视频帧和第四生成视频帧之间的第四对抗损失。
步骤S5,计算前一目标域视频帧和第三重构视频帧之间的第三相似度和后一目标域视频帧和第四重构视频帧之间的第四相似度。
步骤S6,计算第三光流图像和第六光流图像之间的第六相似度。
步骤S7,计算第四生成视频帧的模拟图像与第四生成视频帧之间的第八相似度。
步骤S8,计算第四光流图像和第八光流图像之间的第十相似度。
在计算得到上述第一对抗损失至第四对抗损失,以及第一相似度至第十相似度后,执行主体可以分别对第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器以及第一初始运动转换器和第二初始运动转换器进行交替训练,得到视频生成模型。
此处,交替训练是指每次训练只更新部分参数,即不是同时对第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器以及第一初始运动转换器和第二初始运动转换器的参数进行更新。
在本实施例的一些可选的实现方式中,上述交替训练可以包括迭代的第一训练步骤、第二训练步骤和第三训练步骤。
其中,第一训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据第一对抗损失至第四对抗损失,优化第一目标判别器和第二目标判别器。
在对第一判别器DX和第二判别器DY进行训练时,可以固定第一目标运动转换器和第二目标运动转换器的参数。并根据上述第一对抗损失至第四对抗损失,计算一个总的对抗损失LAdv。然后,在每次执行第一训练步骤时,调整第一判别器DX和第二判别器DY的参数,将上述总的对抗损失LAdv最大化即可。
第二训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据第一相似度至第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器。
在对第一生成器GX和第二生成器GY进行训练时,可以固定第一目标运动转换器和第二目标运动转换器的参数。并根据上述第一相似度至第四相似度,计算一个总的相似度,记为LFC。根据上述第五相似度和第六相似度,计算一个总的相似度,记为LMC。根据第七相似度和第八相似度,计算一个总的相似度,记为LMT。然后根据上述LFC、LMC和LMT,以及分别与上述各总的相似度对应的权衡系数λFC、λMC和λMT,来计算一个总的相似度。在优化时,通过调整GX和GY的参数,使得上述总的相似度的值最小即可。
第三训练步骤包括:固定第一目标判别器、第二目标判别器、第一目标生成器和第二目标生成器的参数,根据第九相似度至第十相似度,优化第一目标运动转换器和第二目标运动转换器。
在优化MX和MY时,可以固定DX、DY、GX和GY的参数,并根据第九相似度与第十相似度,来计算一个相似度,记为LAM。通过调整MX和MY的参数,使得LAM的值最小即可。
其中,第一目标运动转换器、第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器。第一目标判别器和第二目标判别器为前次迭代得到的第一判别器和第二判别器。第一目标生成器和第二目标生成器为前次迭代得到的第一生成器和第二生成器。
本实施例中,第一训练步骤被执行完成后,可以得到优化后的第一判别器和第二判别器。第二训练步骤被执行完成后,可以得到优化后的第一生成器和第二生成器。第三训练步骤被执行完成后,可以得到优化后的第一运动转换器和第二运动转换器。下次再执行第一训练步骤时,需要对上述优化后的第一判别器和第二判别器进行优化。同样的,再执行第二训练步骤时,要对优化后的第一生成器和第二生成器进行优化。再执行第三训练步骤时,要对优化后的第一运动转换器和第二运动转换器进行优化。也就是说,每次执行训练步骤都是对上次执行训练步骤后得到判别器、生成器或运动转换器进行优化。
本申请的上述实施例提供的用于转换视频的方法,可以对两个判别器、两个生成器和两个运动转换器进行交替训练,从而得到视频转换模型。
进一步参考图7,作为对上述各图所示方法的实现,本申请提供了一种用于转换视频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7所示,本实施例的用于转换视频的装置700包括:视频获取单元701、视频转换单元702、第一生成单元703、第二生成单元704和第三生成单元705。
视频获取单元701,被配置成获取待转换源域视频。
视频转换单元702,被配置成根据待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频。其中,视频生成模型用于表征源域视频和目标域视频的对应关系。视频生成模型通过以下单元生成:
第一生成单元703,被配置成根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,第一初始判别器用于判别第一初始生成器生成的目标域视频帧的真假,第二初始生成器用于生成目标域视频帧对应的源域视频帧,第二初始判别器用于判别第二初始生成器生成的源域视频帧的真假;
第二生成单元704,被配置成根据源域视频集合中源域视频和目标域视频集合中目标域视频中的任意相邻两视频帧、第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;
第三生成单元705,被配置成利用源域视频集合和目标域视频集合,训练第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到视频生成模型。
在本实施例的一些可选的实现方式中,第一生成单元703可以进一步被配置成:将源域视频集合中的源域视频作为输入,将目标域视频集合中的目标域视频作为期望输出,得到第一初始生成器;将源域视频集合中的源域视频输入第一初始生成器,得到第一初始生成器输出的第一合成视频,将源域视频和第一合成视频作为训练样本,训练得到第一初始判别器;将目标域视频集合中的目标域视频作为输入,将源域视频集合中的源域视频作为期望输出,得到第二初始生成器;将目标域视频集合中的目标域视频输入第二初始生成器,得到第二初始生成器输出的第二合成视频,将目标域视频和第二合成视频作为训练样本,训练得到第二初始判别器。
在本实施例的一些可选的实现方式中,第二生成单元704可以进一步被配置成:对于源域视频集合中源域视频中的任意相邻两源域视频帧,执行以下第一样本生成步骤:利用第一初始生成器生成相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧;确定前一源域视频帧与后一源域视频帧之间的第一光流图像,以及确定第一生成视频帧和第二生成视频帧之间的第二光流图像;将第一光流图像与第二光流图像作为第一训练样本;确定由多个第一训练样本形成的第一训练样本集合,以及将第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
在本实施例的一些可选的实现方式中,第二生成单元704可以进一步被配置成:对于目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行以下第二样本生成步骤:利用第二初始生成器生成相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧;确定前一目标域视频帧与后一目标域视频帧之间的第三光流图像,以及确定第三生成视频帧和第四生成视频帧之间的第四光流图像;将第三光流图像与第四光流图像作为第二训练样本;确定由多个第二训练样本形成的第二训练样本集合,以及将第二训练样本集合中第二训练样本的第三光流图像作为输入,将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
在本实施例的一些可选的实现方式中,第三生成单元705可以进一步被配置成:利用第二初始生成器生成与第一生成视频帧对应的第一重构视频帧,以及生成与第二生成视频帧对应的第二重构视频帧;利用第一初始生成器生成与第三生成视频帧对应的第三重构视频帧,以及生成与第四生成视频帧对应的第四重构视频帧;确定第一重构视频帧和第二重构视频帧之间的第五光流图像;确定第三重构视频帧和第四重构视频帧之间的第六光流图像;利用第一初始运动转换器生成第一光流图像对应的第七光流图像,以及根据第七光流图像以及第一生成视频帧,确定第二生成视频帧的模拟图像;利用第二初始运动转换器生成第三光流图像对应的第八光流图像,以及根据第八光流图像以及第三生成视频帧,确定第四生成视频帧的模拟图像。
在本实施例的一些可选的实现方式中,第三生成单元705可以进一步被配置成:根据第七光流图像,确定相邻两源域视频帧中的运动信息;根据运动信息,对第一生成帧视频帧执行扭曲操作,得到第二生成视频帧的模拟图像。
在本实施例的一些可选的实现方式中,第三生成单元705可以进一步被配置成:利用第二初始判别器计算前一目标域视频帧和第一生成视频帧之间的第一对抗损失和后一目标域视频帧和第二生成视频帧之间的第二对抗损失;利用第一初始判别器计算前一源域视频帧和第三生成视频帧之间的第三对抗损失和后一源域视频帧和第四生成视频帧之间的第四对抗损失;计算前一源域视频帧和第一重构视频帧之间的第一相似度和后一源域视频帧和第二重构视频帧之间的第二相似度;计算前一目标域视频帧和第三重构视频帧之间的第三相似度和后一目标域视频帧和第四重构视频帧之间的第四相似度;计算第一光流图像和第五光流图像之间的第五相似度;计算第三光流图像和第六光流图像之间的第六相似度;计算第二生成视频帧的模拟图像与第二生成视频帧之间的第七相似度;计算第四生成视频帧的模拟图像与第四生成视频帧之间的第八相似度;计算第二光流图像和第七光流图像之间的第九相似度;计算第四光流图像和第八光流图像之间的第十相似度;基于第一对抗损失至第四对抗损失、第一相似度至第十相似度,对第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器以及第一初始运动转换器和第二初始运动转换器进行交替训练,得到视频生成模型。
在本实施例的一些可选的实现方式中,交替训练包括迭代的第一训练步骤、第二训练步骤以及第三训练步骤。第一训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据第一对抗损失至第四对抗损失,优化第一目标判别器和第二目标判别器。第二训练步骤包括:固定第一目标运动转换器和第二目标运动转换器的参数,根据第一相似度至第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器。第三训练步骤包括:固定第一目标判别器、第二目标判别器、第一目标生成器和第二目标生成器的参数,根据第九相似度至第十相似度,优化第一目标运动转换器和第二目标运动转换器。其中,第一目标运动转换器、第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器,第一目标判别器和第二目标判别器为前次迭代得到的第一判别器和第二判别器,第一目标生成器和第二目标生成器为前次迭代得到的第一生成器和第二生成器。
应当理解,用于转换视频的装置700中记载的单元701至单元705分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于转换视频的方法描述的操作和特征同样适用于装置700及其中包含的单元,在此不再赘述。
下面参考图8,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的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流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述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。在本公开的实施例中,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。而在本公开的实施例中,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、光信号或上述的任意合适的组合。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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:获取待转换源域视频;根据待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,视频生成模型用于表征源域视频和目标域视频的对应关系,视频生成模型通过以下步骤生成:根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,第一初始判别器用于判别第一初始生成器生成的目标域视频帧的真假,第二初始生成器用于生成目标域视频帧对应的源域视频帧,第二初始判别器用于判别第二初始生成器生成的源域视频帧的真假;根据源域视频集合中源域视频和目标域视频集合中目标域视频中的任意相邻两视频帧、第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;利用源域视频集合和目标域视频集合,训练第一初始生成器、第一初始判别器、第二初始生成器、第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到视频生成模型。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开的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:一种处理器包括视频获取单元、视频转换单元、第一生成单元、第二生成单元和第三生成单元。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,视频获取单元还可以被描述为“获取待转换源域视频的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种用于转换视频的方法,包括:
获取待转换源域视频;
根据所述待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,所述视频生成模型用于表征源域视频和目标域视频的对应关系,所述视频生成模型通过以下步骤生成:
根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,所述第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,所述第一初始判别器用于判别所述第一初始生成器生成的目标域视频帧的真假,所述第二初始生成器用于生成目标域视频帧对应的源域视频帧,所述第二初始判别器用于判别所述第二初始生成器生成的源域视频帧的真假;
根据所述源域视频集合中源域视频和所述目标域视频集合中目标域视频中的任意相邻两视频帧、所述第一初始生成器、所述第一初始判别器、所述第二初始生成器和所述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,所述第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,所述第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;
利用所述源域视频集合和所述目标域视频集合,训练所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器、所述第一初始运动转换器和所述第二初始运动转换器,得到所述视频生成模型。
2.根据权利要求1所述的方法,其中,根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,包括:
将所述源域视频集合中的源域视频作为输入,将所述目标域视频集合中的目标域视频作为期望输出,得到所述第一初始生成器;
将所述源域视频集合中的源域视频输入所述第一初始生成器,得到所述第一初始生成器输出的第一合成视频,将所述源域视频和所述第一合成视频作为训练样本,训练得到所述第一初始判别器;
将所述目标域视频集合中的目标域视频作为输入,将所述源域视频集合中的源域视频作为期望输出,得到所述第二初始生成器;
将所述目标域视频集合中的目标域视频输入所述第二初始生成器,得到所述第二初始生成器输出的第二合成视频,将所述目标域视频和所述第二合成视频作为训练样本,训练得到所述第二初始判别器。
3.根据权利要求1所述的方法,其中,所述根据所述源域视频集合中源域视频和所述目标域视频集合中目标域视频中的任意相邻两视频帧、所述第一初始生成器、所述第一初始判别器、所述第二初始生成器和所述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,包括:
对于所述源域视频集合中源域视频中的任意相邻两源域视频帧,执行以下第一样本生成步骤:利用所述第一初始生成器生成所述相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成所述相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧;确定所述前一源域视频帧与所述后一源域视频帧之间的第一光流图像,以及确定所述第一生成视频帧和所述第二生成视频帧之间的第二光流图像;将所述第一光流图像与所述第二光流图像作为第一训练样本;
确定由多个第一训练样本形成的第一训练样本集合,以及将所述第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
4.根据权利要求3所述的方法,其中,所述根据所述源域视频集合中源域视频和所述目标域视频集合中目标域视频中的任意相邻两视频帧、所述第一初始生成器、所述第一初始判别器、所述第二初始生成器和所述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,包括:
对于所述目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行以下第二样本生成步骤:利用所述第二初始生成器生成所述相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成所述相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧;确定所述前一目标域视频帧与所述后一目标域视频帧之间的第三光流图像,以及确定所述第三生成视频帧和所述第四生成视频帧之间的第四光流图像;将所述第三光流图像与所述第四光流图像作为第二训练样本;
确定由多个第二训练样本形成的第二训练样本集合,以及将所述第二训练样本集合中第二训练样本的第三光流图像作为输入,将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
5.根据权利要求4所述的方法,其中,所述利用所述源域视频集合和所述目标域视频集合,训练所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到所述视频生成模型,包括:
利用所述第二初始生成器生成与所述第一生成视频帧对应的第一重构视频帧,以及生成与所述第二生成视频帧对应的第二重构视频帧;
利用所述第一初始生成器生成与所述第三生成视频帧对应的第三重构视频帧,以及生成与所述第四生成视频帧对应的第四重构视频帧;
确定所述第一重构视频帧和所述第二重构视频帧之间的第五光流图像;
确定所述第三重构视频帧和所述第四重构视频帧之间的第六光流图像;
利用所述第一初始运动转换器生成所述第一光流图像对应的第七光流图像,以及根据所述第七光流图像以及所述第一生成视频帧,确定所述第二生成视频帧的模拟图像;
利用所述第二初始运动转换器生成所述第三光流图像对应的第八光流图像,以及根据所述第八光流图像以及所述第三生成视频帧,确定所述第四生成视频帧的模拟图像。
6.根据权利要求5所述的方法,其中,所述根据所述第七光流图像以及所述第一生成视频帧,确定所述第二生成视频帧的模拟图像,包括:
根据所述第七光流图像,确定所述相邻两源域视频帧中的运动信息;
根据所述运动信息,对所述第一生成帧视频帧执行扭曲操作,得到所述第二生成视频帧的模拟图像。
7.根据权利要求5所述的方法,其中,所述利用所述源域视频集合和所述目标域视频集合,训练所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器、第一初始运动转换器和第二初始运动转换器,得到所述视频生成模型,包括:
利用所述第二初始判别器计算所述前一目标域视频帧和所述第一生成视频帧之间的第一对抗损失和所述后一目标域视频帧和所述第二生成视频帧之间的第二对抗损失;
利用所述第一初始判别器计算所述前一源域视频帧和所述第三生成视频帧之间的第三对抗损失和所述后一源域视频帧和所述第四生成视频帧之间的第四对抗损失;
计算所述前一源域视频帧和所述第一重构视频帧之间的第一相似度和所述后一源域视频帧和所述第二重构视频帧之间的第二相似度;
计算所述前一目标域视频帧和所述第三重构视频帧之间的第三相似度和所述后一目标域视频帧和所述第四重构视频帧之间的第四相似度;
计算所述第一光流图像和所述第五光流图像之间的第五相似度;
计算所述第三光流图像和所述第六光流图像之间的第六相似度;
计算所述第二生成视频帧的模拟图像与所述第二生成视频帧之间的第七相似度;
计算所述第四生成视频帧的模拟图像与所述第四生成视频帧之间的第八相似度;
计算所述第二光流图像和所述第七光流图像之间的第九相似度;
计算所述第四光流图像和所述第八光流图像之间的第十相似度;
基于所述第一对抗损失至所述第四对抗损失、所述第一相似度至所述第十相似度,对所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器以及所述第一初始运动转换器和所述第二初始运动转换器进行交替训练,得到所述视频生成模型。
8.根据权利要求7所述的方法,其中,所述交替训练包括迭代的第一训练步骤、第二训练步骤以及第三训练步骤;以及
所述第一训练步骤包括:
固定第一目标运动转换器和第二目标运动转换器的参数,根据所述第一对抗损失至所述第四对抗损失,优化第一目标判别器和第二目标判别器;
所述第二训练步骤包括:
固定所述第一目标运动转换器和所述第二目标运动转换器的参数,根据所述第一相似度至所述第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器;
所述第三训练步骤包括:
固定所述第一目标判别器、所述第二目标判别器、所述第一目标生成器和所述第二目标生成器的参数,根据所述第九相似度至所述第十相似度,优化所述第一目标运动转换器和所述第二目标运动转换器;
其中,所述第一目标运动转换器、所述第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器,所述第一目标判别器和所述第二目标判别器为前次迭代得到的第一判别器和第二判别器,所述第一目标生成器和所述第二目标生成器为前次迭代得到的第一生成器和第二生成器。
9.一种用于转换视频的装置,包括:
视频获取单元,被配置成获取待转换源域视频;
视频转换单元,被配置成根据所述待转换源域视频以及预先训练的视频生成模型,得到转换后目标域视频,其中,所述视频生成模型用于表征源域视频和目标域视频的对应关系,所述视频生成模型通过以下单元生成:
第一生成单元,被配置成根据预设的源域视频集合和目标域视频集合,确定第一初始生成器、第一初始判别器、第二初始生成器和第二初始判别器,其中,所述第一初始生成器用于生成源域视频中视频帧对应的目标域视频帧,所述第一初始判别器用于判别所述第一初始生成器生成的目标域视频帧的真假,所述第二初始生成器用于生成目标域视频帧对应的源域视频帧,所述第二初始判别器用于判别所述第二初始生成器生成的源域视频帧的真假;
第二生成单元,被配置成根据所述源域视频集合中源域视频和所述目标域视频集合中目标域视频中的任意相邻两视频帧、所述第一初始生成器、所述第一初始判别器、所述第二初始生成器和所述第二初始判别器,确定第一初始运动转换器和第二初始运动转换器,其中,所述第一运动转换器用于将源域视频中的任意相邻两视频帧间的运动信息转换为目标域的运动信息,所述第二运动转换器用于将目标域视频中任意相邻两视频帧间的运动信息转换为源域的运动信息;
第三生成单元,被配置成利用所述源域视频集合和所述目标域视频集合,训练所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器、所述第一初始运动转换器和所述第二初始运动转换器,得到所述视频生成模型。
10.根据权利要求9所述的装置,其中,所述第一生成单元进一步被配置成:
将所述源域视频集合中的源域视频作为输入,将所述目标域视频集合中的目标域视频作为期望输出,得到所述第一初始生成器;
将所述源域视频集合中的源域视频输入所述第一初始生成器,得到所述第一初始生成器输出的第一合成视频,将所述源域视频和所述第一合成视频作为训练样本,训练得到所述第一初始判别器;
将所述目标域视频集合中的目标域视频作为输入,将所述源域视频集合中的源域视频作为期望输出,得到所述第二初始生成器;
将所述目标域视频集合中的目标域视频输入所述第二初始生成器,得到所述第二初始生成器输出的第二合成视频,将所述目标域视频和所述第二合成视频作为训练样本,训练得到所述第二初始判别器。
11.根据权利要求9所述的装置,其中,所述第二生成单元进一步被配置成:
对于所述源域视频集合中源域视频中的任意相邻两源域视频帧,执行以下第一样本生成步骤:利用所述第一初始生成器生成所述相邻两源域视频帧中的前一源域视频帧对应的第一生成视频帧,以及生成所述相邻两源域视频帧中的后一源域视频帧对应的第二生成视频帧;确定所述前一源域视频帧与所述后一源域视频帧之间的第一光流图像,以及确定所述第一生成视频帧和所述第二生成视频帧之间的第二光流图像;将所述第一光流图像与所述第二光流图像作为第一训练样本;
确定由多个第一训练样本形成的第一训练样本集合,以及将所述第一训练样本集合中第一训练样本的第一光流图像作为输入,将与所输入的第一光流图像对应的第二光流图像作为期望输出,训练得到第一初始运动转换器。
12.根据权利要求11所述的装置,其中,所述第二生成单元进一步被配置成:
对于所述目标域视频集合中目标域视频中的任意相邻两目标域视频帧,执行以下第二样本生成步骤:利用所述第二初始生成器生成所述相邻两目标域视频帧中的前一目标域视频帧对应的第三生成视频帧,以及生成所述相邻两目标域视频帧中的后一目标域视频帧对应的第四生成视频帧;确定所述前一目标域视频帧与所述后一目标域视频帧之间的第三光流图像,以及确定所述第三生成视频帧和所述第四生成视频帧之间的第四光流图像;将所述第三光流图像与所述第四光流图像作为第二训练样本;
确定由多个第二训练样本形成的第二训练样本集合,以及将所述第二训练样本集合中第二训练样本的第三光流图像作为输入,将与所输入的第三光流图像对应的第四光流图像作为期望输出,训练得到第二初始运动转换器。
13.根据权利要求12所述的装置,其中,所述第三生成单元进一步被配置成:
利用所述第二初始生成器生成与所述第一生成视频帧对应的第一重构视频帧,以及生成与所述第二生成视频帧对应的第二重构视频帧;
利用所述第一初始生成器生成与所述第三生成视频帧对应的第三重构视频帧,以及生成与所述第四生成视频帧对应的第四重构视频帧;
确定所述第一重构视频帧和所述第二重构视频帧之间的第五光流图像;
确定所述第三重构视频帧和所述第四重构视频帧之间的第六光流图像;
利用所述第一初始运动转换器生成所述第一光流图像对应的第七光流图像,以及根据所述第七光流图像以及所述第一生成视频帧,确定所述第二生成视频帧的模拟图像;
利用所述第二初始运动转换器生成所述第三光流图像对应的第八光流图像,以及根据所述第八光流图像以及所述第三生成视频帧,确定所述第四生成视频帧的模拟图像。
14.根据权利要求13所述的装置,其中,所述第三生成单元进一步被配置成:
根据所述第七光流图像,确定所述相邻两源域视频帧中的运动信息;
根据所述运动信息,对所述第一生成帧视频帧执行扭曲操作,得到所述第二生成视频帧的模拟图像。
15.根据权利要求13所述的装置,其中,所述第三生成单元进一步被配置成:
利用所述第二初始判别器计算所述前一目标域视频帧和所述第一生成视频帧之间的第一对抗损失和所述后一目标域视频帧和所述第二生成视频帧之间的第二对抗损失;
利用所述第一初始判别器计算所述前一源域视频帧和所述第三生成视频帧之间的第三对抗损失和所述后一源域视频帧和所述第四生成视频帧之间的第四对抗损失;
计算所述前一源域视频帧和所述第一重构视频帧之间的第一相似度和所述后一源域视频帧和所述第二重构视频帧之间的第二相似度;
计算所述前一目标域视频帧和所述第三重构视频帧之间的第三相似度和所述后一目标域视频帧和所述第四重构视频帧之间的第四相似度;
计算所述第一光流图像和所述第五光流图像之间的第五相似度;
计算所述第三光流图像和所述第六光流图像之间的第六相似度;
计算所述第二生成视频帧的模拟图像与所述第二生成视频帧之间的第七相似度;
计算所述第四生成视频帧的模拟图像与所述第四生成视频帧之间的第八相似度;
计算所述第二光流图像和所述第七光流图像之间的第九相似度;
计算所述第四光流图像和所述第八光流图像之间的第十相似度;
基于所述第一对抗损失至所述第四对抗损失、所述第一相似度至所述第十相似度,对所述第一初始生成器、所述第一初始判别器、所述第二初始生成器、所述第二初始判别器以及所述第一初始运动转换器和所述第二初始运动转换器进行交替训练,得到所述视频生成模型。
16.根据权利要求15所述的装置,其中,所述交替训练包括迭代的第一训练步骤、第二训练步骤以及第三训练步骤;以及
所述第一训练步骤包括:
固定第一目标运动转换器和第二目标运动转换器的参数,根据所述第一对抗损失至所述第四对抗损失,优化第一目标判别器和第二目标判别器;
所述第二训练步骤包括:
固定所述第一目标运动转换器和所述第二目标运动转换器的参数,根据所述第一相似度至所述第八相似度以及与各相似度对应的权衡参数,优化第一目标生成器和第二目标生成器;
所述第三训练步骤包括:
固定所述第一目标判别器、所述第二目标判别器、所述第一目标生成器和所述第二目标生成器的参数,根据所述第九相似度至所述第十相似度,优化所述第一目标运动转换器和所述第二目标运动转换器;
其中,所述第一目标运动转换器、所述第二目标运动转换器为前次迭代得到的第一运动转换器和第二运动转换器,所述第一目标判别器和所述第二目标判别器为前次迭代得到的第一判别器和第二判别器,所述第一目标生成器和所述第二目标生成器为前次迭代得到的第一生成器和第二生成器。
17.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910775142.8A CN111797665B (zh) | 2019-08-21 | 2019-08-21 | 用于转换视频的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910775142.8A CN111797665B (zh) | 2019-08-21 | 2019-08-21 | 用于转换视频的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111797665A CN111797665A (zh) | 2020-10-20 |
CN111797665B true CN111797665B (zh) | 2023-12-08 |
Family
ID=72805458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910775142.8A Active CN111797665B (zh) | 2019-08-21 | 2019-08-21 | 用于转换视频的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797665B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284088B (zh) * | 2021-04-02 | 2024-03-29 | 中国科学院深圳先进技术研究院 | 一种csm图像分割方法、装置、终端设备及存储介质 |
CN113222964B (zh) * | 2021-05-27 | 2021-11-12 | 推想医疗科技股份有限公司 | 一种冠脉中心线提取模型的生成方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829432A (zh) * | 2019-01-31 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109872346A (zh) * | 2019-03-11 | 2019-06-11 | 南京邮电大学 | 一种支持循环神经网络对抗学习的目标跟踪方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8478048B2 (en) * | 2010-07-08 | 2013-07-02 | International Business Machines Corporation | Optimization of human activity determination from video |
CN107578017B (zh) * | 2017-09-08 | 2020-11-17 | 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 |
-
2019
- 2019-08-21 CN CN201910775142.8A patent/CN111797665B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829432A (zh) * | 2019-01-31 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109872346A (zh) * | 2019-03-11 | 2019-06-11 | 南京邮电大学 | 一种支持循环神经网络对抗学习的目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
基于面部特征点运动的活体识别方法;王宇龙;刘开元;;网络与信息安全学报(第06期);全文 * |
应用残差生成对抗网络的路况视频帧预测模型;袁帅;秦贵和;晏婕;;西安交通大学学报(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111797665A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020155907A1 (zh) | 用于生成漫画风格转换模型的方法和装置 | |
CN110021052B (zh) | 用于生成眼底图像生成模型的方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
WO2020207174A1 (zh) | 用于生成量化神经网络的方法和装置 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN111797665B (zh) | 用于转换视频的方法和装置 | |
CN110009101B (zh) | 用于生成量化神经网络的方法和装置 | |
CN113256339B (zh) | 资源投放的方法、装置、存储介质及电子设备 | |
CN112380883B (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
CN112800276B (zh) | 视频封面确定方法、装置、介质及设备 | |
CN112907628A (zh) | 视频目标追踪方法、装置、存储介质及电子设备 | |
CN110555861B (zh) | 光流计算方法、装置及电子设备 | |
CN110335237B (zh) | 用于生成模型的方法、装置和用于识别图像的方法、装置 | |
CN110060324B (zh) | 图像渲染方法、装置及电子设备 | |
CN116072108A (zh) | 模型生成方法、语音识别方法、装置、介质及设备 | |
CN114066722B (zh) | 用于获取图像的方法、装置和电子设备 | |
CN113222050B (zh) | 图像分类方法、装置、可读介质及电子设备 | |
WO2022121800A1 (zh) | 声源定位方法、装置和电子设备 | |
CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 | |
CN113706663B (zh) | 图像生成方法、装置、设备及存储介质 | |
CN113593527B (zh) | 一种生成声学特征、语音模型训练、语音识别方法及装置 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN111611420B (zh) | 用于生成图像描述信息的方法和装置 | |
CN113066166A (zh) | 图像处理方法、装置和电子设备 | |
CN112070163B (zh) | 图像分割模型训练和图像分割方法、装置、设备 |
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 |