CN112015936B - 用于生成物品展示图的方法、装置、电子设备和介质 - Google Patents

Abstract

本申请实施例公开了用于生成物品展示图的方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取目标物品的图像集合；对该目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；从该目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；基于该准物品展示图进行后处理，生成该目标物品的物品展示图。该实施方式实现了自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

Description

用于生成物品展示图的方法、装置、电子设备和介质

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成物品展示图的方法、装置、电子设备和介质。

背景技术

随着互联网技术的飞速发展，在电子商务系统中的物品展示图的需求量也随之增加。

相关的方式通常是针对不同的物品由人工设计物品展示图或从相关的物品图像中直接选取作为物品展示图。

发明内容

本申请实施例提出了用于生成物品展示图的方法、装置、电子设备和介质。

第一方面，本申请实施例提供了一种用于生成物品展示图的方法，该方法包括：获取目标物品的图像集合；对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；基于准物品展示图进行后处理，生成目标物品的物品展示图。

第二方面，本申请实施例提供了一种用于显示物品展示图的方法，该方法包括：向目标设备发送包括目标物品的图像的目标视频；接收目标设备发送的目标物品的物品展示图，其中，目标物品的物品展示图中包括目标物品的主体；显示目标物品的物品展示图。

第三方面，本申请实施例提供了一种用于生成物品展示图的装置，该装置包括：获取单元，被配置成获取目标物品的图像集合；识别单元，被配置成对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；选取单元，被配置成从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；生成单元，被配置成基于准物品展示图进行后处理，生成目标物品的物品展示图。

第四方面，本申请实施例提供了一种用于显示物品展示图的装置，该装置包括：第一发送单元，被配置成向目标设备发送包括目标物品的图像的目标视频；接收单元，被配置成接收目标设备发送的目标物品的物品展示图，其中，目标物品的物品展示图中包括目标物品的主体；显示单元，被配置成显示目标物品的物品展示图。

第五方面，本申请实施例提供了一种电子设备，该电子设备包括：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或第二方面中任一实现方式描述的方法。

第六方面，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或第二方面中任一实现方式描述的方法。

本申请实施例提供的用于生成物品展示图的方法、装置、电子设备和介质，通过图像主体识别技术生成主体图像，并对满足质量条件的主体图像进行后处理以生成物品展示图，从而实现了自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

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生成物品展示图的方法的一个实施例的流程图；

图3是根据本申请的实施例的用于生成物品展示图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显示物品展示图的方法的一个实施例的流程图；

图5是根据本申请的用于生成物品展示图的装置的一个实施例的结构示意图；

图6是根据本申请的用于显示物品展示图的装置的一个实施例的结构示意图；

图7是适于用来实现本申请的实施例的电子设备的结构示意图。

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，而非对本公开的限定。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本公开相关的部分。

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生成物品展示图的方法或用于生成物品展示图的装置的示例性架构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。

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上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

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图像显示的各种电子设备，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的软件或软件模块)，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可以是提供各种服务的服务器，例如为终端设备101、102、103上显示的网页提供支持的后台服务器。后台服务器可以对接收到的目标物品的图像集合进行分析等处理，以生成处理结果(如目标物品的物品展示图)。上述后台服务器还可以将所生成的处理结果反馈给终端设备。

需要说明的是，上述目标物品的图像集合也可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的目标物品的图像集合并进行处理，此时，可以不存在终端设备101、102、103和网络104。

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的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成物品展示图的方法一般由服务器105执行，相应地，用于生成物品展示图的装置一般设置于服务器105中。可选地，在满足计算能力的条件下，本申请实施例所提供的用于生成物品展示图的方法也可以由终端设备101、102、103执行，相应地，用于生成物品展示图的装置也可以设置于终端设备101、102、103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生成物品展示图的方法的一个实施例的流程200。该用于生成物品展示图的方法包括以下步骤：

步骤201，获取目标物品的图像集合。

在本实施例中，用于生成物品展示图的方法的执行主体(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获取目标物品的图像集合。其中，上述目标物品可以是根据实际的应用需求预先指定的任意物品。上述目标物品也可以是根据规则而定的物品，例如通信连接的电子设备发送的目标物品的图像所指示的物品。上述物品可以是有形的，也可以是无形的(例如虚拟货币、虚拟人物角色的皮肤等)。作为示例，上述目标物品可以是商家所要推广的商品。

在本实施例中，上述执行主体可以获取预先存储于本地的目标物品的图像集合，也可以获取与之通信连接的电子设备(例如图1所示的终端设备)发送的目标物品的图像集合。

在本实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤获取目标物品的图像集合：

第一步，获取与目标物品相关的文本。

在这些实现方式中，上述执行主体可以通过各种方式获取与上述目标物品相关的文本。其中，上述与目标物品相关的文本通常可以包括对上述目标物品进行描述的文本。作为示例，与上述目标物品相关的文本可以是商家所要推广的商品的商品标题。

第二步，获取物品相关图像集合。

在这些实现方式中，上述执行主体可以从本地或通信连接的电子设备(例如图1所示的终端设备)获取物品相关图像集合。其中，上述物品相关图像集合中可以包括目标物品的图像。

可选地，上述执行主体可以通过以下步骤获取物品相关图像集合：

S1、获取目标视频。

在这些实现方式中，上述执行主体可以从本地或通信连接的电子设备(例如图1所示的终端设备)获取目标视频。其中，上述目标视频中可以包括上述目标物品的图像。作为示例，上述目标视频可以是电商广告视频。

S2、从目标视频中提取目标数目个视频帧，生成物品相关图像集合。

在这些实现方式中，上述执行主体可以通过各种方式从上述步骤S1所获取的目标视频中提取目标数目个视频帧。例如，上述执行主体可以按照2fps对上述目标视频进行抽帧，即一段10s的目标视频会等间隔地抽取20帧图片。之后，上述执行主体可以将所提取的目标数目个视频帧组成物品相关图像集合。

基于上述可选的实现方式，可以实现从包括目标物品图像的视频中截取图像，从而得到物品相关图像集合。尤其是在视频广告领域，可以显著提升视频广告的利用率。

可选地，上述执行主体可以通过以下步骤获取物品相关图像集合：

S’1、获取物品相关页面集合。

在这些实现方式中，上述执行主体可以从本地或通信连接的电子设备(例如图1所示的终端设备)获取物品相关页面集合。其中，上述物品相关页面集合中可以包括上述目标物品的图像。作为示例，上述物品相关页面集合可以包括各种显示有上述目标物品的图像的网页。

S’2、从物品相关页面集合中提取落地页(landing page)，生成落地页集合。

在这些实现方式中，上述执行主体可以通过各种方式从上述步骤S’1所获取的物品相关页面集合中提取落地页，生成落地页集合。

S’3、从落地页集合中提取属于预设类别的物品的图像，生成物品相关图像集合。

在这些实现方式中，上述执行主体可以通过各种方式从上述步骤S’2所获取的落地页集合中提取属于预设类别的物品的图像，生成物品相关图像集合。作为示例，上述执行主体可以在获取相应权限的前提下通过爬虫技术获取落地页集合中的图像。而后，上述执行主体可以利用目标检测技术从所获取的图像中提取属于预设类别的物品的图像，从而生成物品相关图像集合。

基于上述可选的实现方式，可以实现从落地页截取图像，从而得到物品相关图像集合。

第三步，将文本和物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型，得到文本与输入的物品相关图像之间的相关性度量。

在这些实现方式中，上述执行主体可以将文本和物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型，得到文本与输入的物品相关图像之间的相关性度量。其中，上述预先训练的图文相关性确定模型可以包括各种用于确定图像和文本之间相似度的深度神经网络(Deep Neural Networks,DNN)。

可选地，上述图文相关性确定模型可以包括文本向量提取网络和图像向量提取网络。上述相关性度量可以用于表征上述文本向量提取网络所提取的文本向量与上述图像向量提取网络所提取的图像向量之间的相关性，例如可以包括相似度、距离等。上述文本向量提取网络和图像向量提取网络可以包括各种人工神经网络，例如卷积神经网络。具体地，上述执行主体可以将文本输入至预先训练的图文相关性确定模型的文本向量提取网络，从而得到文本向量。上述执行主体还可以将物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型的图像向量提取网络，从而得到图像向量。之后，上述图文相关性确定模型可以通过各种方式确定上述所得到的文本向量和图像向量之间的相关度，从而得到文本与输入的物品相关图像之间的相关性度量。

需要说明的是，上述输入的物品相关图像可以与所得到的相关性度量对应。即，输入多个物品相关图像，可以得到各自对应的相关性度量。

可选地，上述图文相关性确定模型可以通过以下步骤训练得到：

S1、获取训练样本集合。

在这些实现方式中，用于训练上述图文相关性确定模型的执行主体可以通过各种方式获取训练样本集合。其中，上述训练样本集合中的训练样本可以包括物品文字信息和与物品文字信息匹配的物品配图。作为示例，上述执行主体可以从历史数据服务器获取已发布的商品广告标题和对应的商品配图作为上述训练样本集合。

S2、获取初始图文相关性确定模型。

在这些实现方式中，上述执行主体可以从本地或通信连接的电子设备(例如机器学习服务器)获取初始图文相关性确定模型。其中，上述初始图文相关性确定模型可以包括初始文本向量提取网络和初始图像向量提取网络。作为示例，上述初始文本向量提取网络和初始图像向量提取网络可以是各种基于卷积神经网络而构成的深度学习网络。

S3、将训练样本集合中属于同一训练样本的物品文字信息和物品配图输入至初始图文相关性确定模型，将表征图文相关的标签作为期望输出，训练得到图文相关性确定模型。

在这些实现方式中，上述执行主体可以将步骤S1所获取的训练样本集合中属于同一训练样本的物品文字信息和物品配图输入至步骤S2所获取的初始图文相关性确定模型，得到输入的物品文字信息和物品配图之间的相关性(例如相似度)。之后，根据所得到的相关性与表征图文相关的标签(例如“1”)计算损失函数。接下来，根据所得到的损失函数调整上述初始图文相关性确定模型的网络参数。利用机器学习方式训练得到上述图文相关性确定模型。

基于上述可选的实现方式，可以利用预先训练的机器学习模型确定图文相关性，提升了相关性度量的生成效率和准确度。

第四步，根据所得到的相关性度量，从物品相关图像集合中选取满足预设图文相关性条件的物品相关图像，生成目标物品的图像集合。

在这些实现方式中，根据上述第三步所得到的相关性度量，上述执行主体可以首先从物品相关图像集合中选取满足预设图文相关性条件的物品相关图像。其中，上述预设图文相关性条件例如可以是相关性度量大于预设阈值，也可以是属于相关性度量所表征的相关性最大的Top N个物品相关图像。其中，上述N通常是预先设置的大于0的自然数，例如3、5等。之后，上述执行主体可以将所选取的物品相关图像组成目标物品的图像集合。

基于上述可选的实现方式，可以实现从图文相关性的维度选取相关度较高图像，减少了无关图像的干扰，从而为提升物品展示图的生成效率提供基础。

步骤202，对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合。

在本实施例中，上述执行主体可以通过各种图像主体识别技术对目标物品的图像集合中的目标物品的图像进行图像主体识别，从而生成目标物品的主体图像集合。作为示例，上述执行主体可以采用基于显著性的图像主体识别算法，对上述目标物品的图像集合中的目标物品的图像中的主体部分进行裁剪，从而生成目标物品的主体图像集合。其中，上述基于显著性的图像主体识别算法可以包括OpenCV的显著性检测(Saliency Detection)方法。例如，上述执行主体可以首先通过Static saliency算法将目标物品的图像转换为对应的黑白图。其中，上述黑白图中的每个像素位置的取值可以是[0,1]。上述像素位置的取值可以用于表征当前像素在整体图像中的显著性。之后，上述执行主体可以根据预设的显著性阈值(例如0.75)确定目标物品的图像的主体部分，从而使得上述所确定的主体部分的区域能够包括不小于预设比例的显著性得分高的像素位置。其中，上述预设比例例如可以是90％。

在本实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合，包括：

第一步，对目标物品的图像集合中的目标物品的图像进行图像主体识别，确定图像主体区域。

在这些实现方式中，上述执行主体可以通过与前述一致的方式确定图像主体区域。

第二步，对目标物品的图像集合中的目标物品的图像进行图像文字识别，确定文字区域。

在这些实现方式中，上述执行主体可以通过各种OCR(Optical CharacterRecognition，光学字符识别)技术对上述目标物品的图像集合中的目标物品的图像进行图像文字识别，确定文字区域。

第三步，响应于确定所确定的图像主体区域的边界与所确定的文字区域有交集，扩展图像主体区域，以使与所确定的图像主体区域的边界有交集的文字区域不超过扩展后的图像主体区域的范围。

在这些实现方式中，响应于确定上述第一步所确定的图像主体区域的边界与上述第二步所确定的文字区域有交集，上述执行主体可以扩展图像主体区域，以使上述与所确定的图像主体区域的边界有交集的文字区域不超过扩展后的图像主体区域的范围。实践中，由于所确定的文字区域可能包括不连通的多个区域，通过避免裁剪到与所确定的图像主体区域的边界有交集的文字区域，可以最大限度地保证物品主体图像的显著性。

第四步，基于扩展后的图像主体区域，生成目标物品的主体图像集合。

在这些实现方式中，基于上述第三步所得到的扩展后的图像主体区域，上述执行主体可以通过各种方式生成目标物品的主体图像集合。作为示例，上述执行主体可以直接将所得到的扩展后的图像主体区域进行裁剪，从而组成上述目标物品的主体图像集合。

基于上述可选的实现方式，可以避免在图像主体识别的过程中将文字区域分割开来，以导致所得到的目标物品的主体图像中的文字内容不完整的情况。从而可以提升目标物品的主体图像集合的质量。

步骤203，从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图。

在本实施例中，上述执行主体可以首先利用各种图像质量评价(Image QualityAssessment,IQA)技术确定上述目标物品的主体图像集合中的主体图像的质量。而后，上述执行主体可以从目标物品的主体图像集合选取图像质量分数大于预设质量阈值的主体图像作为备选图像，再从上述备选图像中随机选取主体图像作为准物品展示图。上述执行主体也可以从上述目标物品的主体图像集合中选取图像质量分数最高的主体图像作为准物品展示图。

在本实施例的一些可选的实现方式中，上述图像质量可以包括美学得分和清晰度。上述执行主体可以通过以下步骤从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图：

第一步，将目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的美学评分模型，得到目标物品的主体图像集合中的目标物品的主体图像的美学得分。

在这些实现方式中，上述执行主体可以将步骤202所生成的目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的美学评分模型，得到目标物品的主体图像集合中的目标物品的主体图像的美学得分。其中，上述美学评分模型可以包括各种用于图片美学打分的深度神经网络。作为示例，上述美学评分模型可以是基于VGG16的卷积神经网络。其中，上述VGG16的卷积神经网络的最后一层全连接层的神经单元的数目可以根据实际需要而设定(例如10)。上述美学评分模型的全连接层可以与softmax层连接，从而输出最终的美学得分。

可选地，上述美学评分模型可以先在ImageNet数据集上进行预训练，再采用开源的AVA(A Large-Scale Database for Aesthetic Visual Analysis)数据集进行进一步训练。

第二步，将目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的清晰度检测模型，得到目标物品的主体图像集合中的目标物品的主体图像的清晰度得分。

在这些实现方式中，上述执行主体可以将步骤202所生成的目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的清晰度检测模型，得到目标物品的主体图像集合中的目标物品的主体图像的清晰度得分。其中，上述清晰度检测模型可以包括各种用于确定图像清晰度的深度神经网络。

需要说明的是，上述清晰度检测模型的结构和训练方式可以与前述美学评分模型类似，仅仅在训练集上有所区别，此处不再赘述。

第三步，基于所得到的美学得分和清晰度得分，从目标物品的主体图像集合中选取主体图像作为准物品展示图。

在这些实现方式中，基于上述第一步所得到的美学得分和上述第二步所得到的清晰度得分，上述执行主体可以通过各种方式从步骤202所生成的目标物品的主体图像集合中选取主体图像作为准物品展示图。作为示例，上述执行主体可以对所得到的美学得分和清晰度得分进行加权求和，得到主体图像的综合得分。而后，上述执行主体可以选取综合得分最高的主体图像作为上述准物品展示图。作为又一示例，上述执行主体可以首先选取清晰度得分大于预设清晰度阈值的主体图像。而后，上述执行主体可以从所选取的清晰度大于预设清晰度阈值的主体图像中选取美学得分最高的主体图像作为上述准物品展示图。

基于上述可选的实现方式，可以综合清晰度和美学两个维度来选取准物品展示图，从而为进一步生成高质量的物品展示图提供了数据基础。

步骤204，基于准物品展示图进行后处理，生成目标物品的物品展示图。

在本实施例中，上述执行主体可以首先通过各种方式对上述步骤203所得到的准物品展示图进行后处理。其中，上述后处理可以包括但不限于以下至少一项：增加对比度，降噪，修正几何畸变。之后，基于上述后处理所得到的图像，上述执行主体可以通过各种方式生成目标物品的物品展示图。作为示例，上述执行主体可以直接将上述后处理所得到的图像作为上述目标物品的物品展示图。作为又一示例，上述执行主体可以将上述后处理所得到的物品展示图按照预设的长宽比例进行拉伸或裁剪，从而生成目标物品的物品展示图。在电商场景中，上述目标物品的物品展示图例如可以是商品的广告缩略图。

在本实施例的一些可选的实现方式中，基于上述准物品展示图进行后处理，上述执行主体可以通过以下步骤生成目标物品的物品展示图，包括：

S1、确定准物品展示图的长宽比例。

在这些实现方式中，上述执行主体可以根据上述步骤203所得到的准物品展示图的行、列分别包含的像素数目，确定上述准物品展示图的长宽比例。

S2、响应于确定长宽比例与预设比例不一致，对准物品展示图进行边界扩展，生成长宽比例与预设比例一致的物品展示图。

在这些实现方式中，响应于确定上述步骤S1所确定的长宽比例与预设比例不一致，上述执行主体可以通过各种方式对上述步骤203所得到的准物品展示图进行边界扩展，从而生成长宽比例与预设比例一致的物品展示图。其中，上述预设比例例如可以是1:1，即物品展示图属于方图。作为示例，上述执行主体可以利用像素填充的方式进行边界扩展。具体地，上述执行主体可以首先确定需要扩展的边界的位置。之后，上述执行主体可以从准物品展示图的边缘逐步向待扩展的边界的位置填充像素。其中，所填充的像素的值例如可以通过周围区域的像素值取平均而得到。

基于上述可选的实现方式，可以实现生成预设比例的物品展示图。

可选地，上述执行主体还可以基于预先训练的生成对抗网络对上述步骤203所得到的准物品展示图像进行边界扩展，生成长宽比例与上述预设比例一致的物品展示图。其中，上述生成对抗网络可以利用非预设比例的样本物品图像和对应的预设比例样本物品图像训练得到。从而，可以利用生成对抗网络提升所生成的预设比例的物品展示图的扩展效果。

可选地，上述执行主体还可以通过以下步骤基于预先训练的生成对抗网络对准物品展示图像进行边界扩展，生成长宽比例与预设比例一致的物品展示图：

S1、将准物品展示图像输入至预训练的特征提取模型，得到准物品展示图像对应的图像特征。

在这些实现方式中，上述执行主体可以将步骤203所得到的准物品展示图像输入至预训练的特征提取模型，得到准物品展示图像对应的图像特征。其中，上述预训练的特征提取模型可以用于提取图像特征。上述特征提取模型例如可以是Inception V3模型。

S2、将准物品展示图像输入至预先训练的生成对抗网络，得到长宽比例与预设比例一致的物品展示图。

在这些实现方式中，上述执行主体可以将步骤203所得到的准物品展示图像输入至预先训练的生成对抗网络。其中，上述生成对抗网络的判别器的条件输入可以包括上述步骤S1所得到的图像特征。

基于上述可选的实现方式，通过引入原始图像的特征作为判别器的条件输入之一，充分利用了原始图像的信息，可以有效减少现有技术中扩展效果随着与图像的原始边界的距离的增加而降低的情况。从而进一步提升所生成的预设比例的物品展示图的质量。

继续参见图3，图3是根据本申请实施例的用于生成物品展示图的方法的应用场景的一个示意图。在图3的应用场景中，用户301使用终端302将XX手机宣传图集303发送至后台服务器304。后台服务器304可以对所获取的XX手机宣传图集303中的XX手机图像进行图像主体识别，生成XX手机主体图像集305。之后，后台服务器304可以从XX手机主体图像集305中选取图像质量满足预设图像质量条件的图像作为准物品展示图306。最后，后台服务器304可以基于对准物品展示图306的后处理，生成XX手机展示图307。可选地，后台服务器304还可以将所生成的XX手机展示图307发送给终端302，以展示给用户301。

目前，现有技术之一通常是从相关的物品图像中直接选取作为物品展示图，导致在原始图像质量不高(例如主体显著性不强)的情况下无法生成满足条件的高质量物品展示图。现有技术之一还可以是针对不同的物品由人工设计物品展示图，导致高昂的人力成本并且效率较低。而本申请的上述实施例提供的方法，通过图像主体识别技术生成主体图像，并对满足质量条件的主体图像进行后处理以生成物品展示图，实现了自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

进一步参考图4，其示出了用于显示物品展示图的方法的又一个实施例的流程400。该用于显示物品展示图的方法的流程400，包括以下步骤：

步骤401，向目标设备发送包括目标物品的图像的目标视频。

在本实施例中，用于显示物品展示图的方法的执行主体(例如图1所示的终端设备)可以向目标设备发送包括目标物品的图像的目标视频。其中，上述目标设备可以是用于根据目标物品的图像生成物品展示图的设备(例如图1所示的服务器)。上述包括目标物品的图像的目标视频可以与前述实施例中步骤201的可选的实现方式中的描述一致，此处不再赘述。

在本实施例的一些可选的实现方式中，上述执行主体还可以向目标设备发送包括目标物品的图像的落地页。

在这些实现方式中，上述包括目标物品的图像的落地页可以与前述实施例中步骤201的可选的实现方式中的描述一致，此处不再赘述。

在本实施例的一些可选的实现方式中，上述执行主体还可以向目标设备发送与目标视频相匹配的文本。

这些实现方式中，上述与目标视频相匹配的文本可以与前述实施例中步骤201的可选的实现方式中的描述一致，此处不再赘述。

步骤402，接收目标设备发送的目标物品的物品展示图。

在本实施例中，上述执行主体可以接收上述目标设备发送的目标物品的物品展示图。其中，上述目标物品的物品展示图中可以包括上述目标物品的主体。

在本实施例的一些可选的实现方式中，上述目标物品的物品展示图可以通过前述实施例中用于生成物品展示图的方法生成。

步骤403，显示目标物品的物品展示图。

在本实施例中，上述执行主体可以通过显示设备显示步骤402所接收的目标物品的物品展示图。

目前，现有技术之一通常是从相关的物品图像中直接选取作为物品展示图，导致在原始图像质量不高(例如主体显著性不强)的情况下无法生成满足条件的高质量物品展示图。现有技术之一还可以是针对不同的物品由人工设计物品展示图，导致高昂的人力成本并且效率较低。而本申请的上述实施例提供的方法，通过上传包括物品图像的视频至目标设备，接收并显示目标设备所返回的物品展示图，实现了根据包括物品图像的视频自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了用于生成物品展示图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5所示，本实施例提供的用于生成物品展示图的装置500包括获取单元501、识别单元502、选取单元503和生成单元504。其中，获取单元501，被配置成获取目标物品的图像集合；识别单元502，被配置成对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；选取单元503，被配置成从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；生成单元504，被配置成基于准物品展示图进行后处理，生成目标物品的物品展示图。

在本实施例中，用于生成物品展示图的装置500中：获取单元501、识别单元502、选取单元503和生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述获取单元501可以包括第一获取子单元(图中未示出)、第二获取子单元(图中未示出)、第一确定子单元(图中未示出)、第一选取子单元(图中未示出)。其中，上述第一获取子单元可以被配置成获取与目标物品相关的文本。上述第二获取子单元可以被配置成获取物品相关图像集合。其中，上述物品相关图像集合中可以包括目标物品的图像。上述第一确定子单元可以被配置成将文本和物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型，得到文本与输入的物品相关图像之间的相关性度量。上述第一选取子单元可以被配置成根据所得到的相关性度量，从物品相关图像集合中选取满足预设图文相关性条件的物品相关图像，生成目标物品的图像集合。

在本实施例的一些可选的实现方式中，上述图文相关性确定模型可以包括文本向量提取网络和图像向量提取网络。上述相关性度量可以用于表征文本向量提取网络所提取的文本向量与图像向量提取网络所提取的图像向量之间的相关性。

在本实施例的一些可选的实现方式中，上述第二获取子单元可以包括第一获取模块(图中未示出)、第一提取模块(图中未示出)。其中，上述第一获取模块可以被配置成获取目标视频。其中，上述目标视频中可以包括目标物品的图像。上述第一提取模块可以被配置成从目标视频中提取目标数目个视频帧，生成物品相关图像集合。

在本实施例的一些可选的实现方式中，上述第二获取子单元可以包括第二获取模块(图中未示出)、第二提取模块(图中未示出)、第三提取模块(图中未示出)。其中，上述第二获取模块可以被配置成获取物品相关页面集合。其中，上述物品相关页面集合中可以包括目标物品的图像。上述第二提取模块可以被配置成从物品相关页面集合中提取落地页，生成落地页集合。上述第三提取模块可以被配置成从落地页集合中提取属于预设类别的物品的图像，生成物品相关图像集合。

在本实施例的一些可选的实现方式中，上述图文相关性确定模型可以通过以下步骤训练得到：获取训练样本集合；获取初始图文相关性确定模型；将训练样本集合中属于同一训练样本的物品文字信息和物品配图输入至初始图文相关性确定模型，将表征图文相关的标签作为期望输出，训练得到图文相关性确定模型。其中，上述训练样本集合中的训练样本可以包括物品文字信息和与物品文字信息匹配的物品配图。上述初始图文相关性确定模型可以包括初始文本向量提取网络和初始图像向量提取网络。

在本实施例的一些可选的实现方式中，上述识别单元502可以包括第一识别子单元(图中未示出)、第二识别子单元(图中未示出)、扩展子单元(图中未示出)、第一生成子单元(图中未示出)。其中，上述第一识别子单元可以被配置成对目标物品的图像集合中的目标物品的图像进行图像主体识别，确定图像主体区域。上述第二识别子单元可以被配置成对目标物品的图像集合中的目标物品的图像进行图像文字识别，确定文字区域。上述扩展子单元可以被配置成响应于确定所确定的图像主体区域的边界与所确定的文字区域有交集，扩展图像主体区域，以使与所确定的图像主体区域的边界有交集的文字区域不超过扩展后的图像主体区域。上述第一生成子单元可以被配置成基于扩展后的图像主体区域，生成目标物品的主体图像集合。

在本实施例的一些可选的实现方式中，上述图像质量可以包括美学得分和清晰度。上述选取单元503可以包括：第二确定子单元(图中未示出)、第三确定子单元(图中未示出)、第二选取子单元(图中未示出)。其中，上述第二确定子单元可以被配置成将目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的美学评分模型，得到目标物品的主体图像集合中的目标物品的主体图像的美学得分。上述第三确定子单元可以被配置成将目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的清晰度检测模型，得到目标物品的主体图像集合中的目标物品的主体图像的清晰度得分。上述第二选取子单元可以被配置成基于所得到的美学得分和清晰度得分，从目标物品的主体图像集合中选取主体图像作为准物品展示图。

在本实施例的一些可选的实现方式中，上述生成单元504可以包括第四确定子单元(图中未示出)、第二生成子单元(图中未示出)。其中，上述第四确定子单元可以被配置成确定准物品展示图的长宽比例。上述第二生成子单元可以被配置成响应于确定长宽比例与预设比例不一致，对准物品展示图进行边界扩展，生成长宽比例与预设比例一致的物品展示图。

在本实施例的一些可选的实现方式中，上述第二生成子单元可以被进一步配置成：基于预先训练的生成对抗网络对准物品展示图像进行边界扩展，生成长宽比例与预设比例一致的物品展示图。

在本实施例的一些可选的实现方式中，上述第二生成子单元可以包括第四提取模块(图中未示出)、生成模块(图中未示出)。其中，上述第四提取模块可以被配置成将准物品展示图像输入至预训练的特征提取模型，得到准物品展示图像对应的图像特征。上述生成模块可以被配置成将准物品展示图像输入至预先训练的生成对抗网络，得到长宽比例与预设比例一致的物品展示图。其中，上述生成对抗网络的判别器的条件输入包括上述图像特征。

本申请的上述实施例提供的装置，通过获取单元501获取目标物品的图像集合。而后，识别单元502对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合。之后，选取单元503从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图。最后，生成单元504基于准物品展示图进行后处理，生成目标物品的物品展示图。从而实现了自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了用于显示物品展示图的装置的一个实施例，该装置实施例与图4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，本实施例提供的用于显示物品展示图的装置600包括第一发送单元601、接收单元602和显示单元603。其中，第一发送单元601，被配置成向目标设备发送包括目标物品的图像的目标视频；接收单元602，被配置成接收目标设备发送的目标物品的物品展示图，其中，目标物品的物品展示图中包括目标物品的主体；显示单元603，被配置成显示目标物品的物品展示图。

在本实施例中，用于显示物品展示图的装置600中：第一发送单元601、接收单元602和显示单元603的具体处理及其所带来的技术效果可分别参考图4对应实施例中的步骤401、步骤402和步骤403的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述用于显示物品展示图的装置600还可以包括第二发送单元(图中未示出)。其中，上述第二发送单元可以被配置成向目标设备发送包括目标物品的图像的落地页。

在本实施例的一些可选的实现方式中，上述用于显示物品展示图的装置600还可以包括第三发送单元(图中未示出)。其中，上述第三发送单元可以被配置成向目标设备发送与目标视频相匹配的文本。

在本实施例的一些可选的实现方式中，上述目标物品的物品展示图可以通过前述实施例所描述的用于生成物品展示图的方法生成。

本申请的上述实施例提供的装置，通过第一发送单元601向目标设备发送包括目标物品的图像的目标视频。之后，接收单元602接收目标设备发送的目标物品的物品展示图。其中，目标物品的物品展示图中包括目标物品的主体。最后，显示单元603，被配置成显示目标物品的物品展示图。从而实现了根据包括物品图像的视频自动生成适于展示的高质量物品展示图，有效地提升了生成效率，节约了人力。

下面参考图7，其示出了适于用来实现本申请的实施例的电子设备(例如图1中的服务器105或终端设备101、102、103)700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、等的输入装置706；包括例如液晶显示器(LCD，Liquid Crystal Display)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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7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，根据本申请的实施例，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，本申请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709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本申请的实施例的方法中限定的上述功能。

需要说明的是，本申请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。在本申请的实施例中，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。而在本申请的实施例中，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(Radio Frequency，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：获取目标物品的图像集合；对目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；从目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；基于准物品展示图进行后处理，生成目标物品的物品展示图。或者，使得该电子设备：向目标设备发送包括目标物品的图像的目标视频；接收目标设备发送的目标物品的物品展示图，其中，目标物品的物品展示图中包括所述目标物品的主体；显示目标物品的物品展示图。

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申请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、Python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，图示了按照本申请的各种实施例的系统、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。

描述于本申请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，包括获取单元、识别单元、选取单元、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，获取单元还可以被描述为“获取目标物品的图像集合的单元”。或者，可以描述为：一种处理器，包括第一发送单元、接收单元、显示单元。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，第一发送单元还可以被描述为“向目标设备发送包括目标物品的图像的目标视频的单元”。

以上描述仅为本申请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，本申请的实施例中所涉及的公开范围，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本公开构思的情况下，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。例如上述特征与本申请实施例中公开的(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 (17)

1.一种用于生成物品展示图的方法，包括：

获取目标物品的图像集合；

对所述目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；

从所述目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；

基于所述准物品展示图进行后处理，生成所述目标物品的物品展示图；

其中，所述获取目标物品的图像集合，包括：

获取与所述目标物品相关的文本；

获取物品相关图像集合，其中，所述物品相关图像集合中包括目标物品的图像；

将所述文本和所述物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型，得到所述文本与输入的物品相关图像之间的相关性度量；

根据所得到的相关性度量，从所述物品相关图像集合中选取满足预设图文相关性条件的物品相关图像，生成所述目标物品的图像集合。

2.根据权利要求1所述的方法，其中，所述图文相关性确定模型包括文本向量提取网络和图像向量提取网络，所述相关性度量用于表征所述文本向量提取网络所提取的文本向量与所述图像向量提取网络所提取的图像向量之间的相关性。

3.根据权利要求1所述的方法，其中，所述获取物品相关图像集合，包括：

获取目标视频，其中，所述目标视频中包括所述目标物品的图像；

从所述目标视频中提取目标数目个视频帧，生成所述物品相关图像集合。

4.根据权利要求1所述的方法，其中，所述获取物品相关图像集合，包括：

获取物品相关页面集合，其中，所述物品相关页面集合中包括所述目标物品的图像；

从所述物品相关页面集合中提取落地页，生成落地页集合；

从所述落地页集合中提取属于预设类别的物品的图像，生成所述物品相关图像集合。

5.根据权利要求1所述的方法，其中，所述图文相关性确定模型通过以下步骤训练得到：

获取训练样本集合，其中，所述训练样本集合中的训练样本包括物品文字信息和与物品文字信息匹配的物品配图；

获取初始图文相关性确定模型，其中，所述初始图文相关性确定模型包括初始文本向量提取网络和初始图像向量提取网络；

将所述训练样本集合中属于同一训练样本的物品文字信息和物品配图输入至所述初始图文相关性确定模型，将表征图文相关的标签作为期望输出，训练得到所述图文相关性确定模型。

6.根据权利要求1所述的方法，其中，所述对所述目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合，包括：

对所述目标物品的图像集合中的目标物品的图像进行图像主体识别，确定图像主体区域；

对所述目标物品的图像集合中的目标物品的图像进行图像文字识别，确定文字区域；

响应于确定所确定的图像主体区域的边界与所确定的文字区域有交集，扩展所述图像主体区域，以使所述与所确定的图像主体区域的边界有交集的文字区域不超过扩展后的图像主体区域；

基于所述扩展后的图像主体区域，生成所述目标物品的主体图像集合。

7.根据权利要求1所述的方法，其中，所述图像质量包括美学得分和清晰度；以及

所述从所述目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图，包括：

将所述目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的美学评分模型，得到所述目标物品的主体图像集合中的目标物品的主体图像的美学得分；

将所述目标物品的主体图像集合中的目标物品的主体图像输入至预先训练的清晰度检测模型，得到所述目标物品的主体图像集合中的目标物品的主体图像的清晰度得分；

基于所得到的美学得分和清晰度得分，从所述目标物品的主体图像集合中选取主体图像作为所述准物品展示图。

8.根据权利要求1-7之一所述的方法，其中，所述基于所述准物品展示图进行后处理，生成所述目标物品的物品展示图，包括：

确定所述准物品展示图的长宽比例；

响应于确定所述长宽比例与预设比例不一致，对所述准物品展示图进行边界扩展，生成长宽比例与所述预设比例一致的物品展示图。

9.根据权利要求8所述的方法，其中，所述对所述准物品展示图进行边界扩展，生成长宽比例与所述预设比例一致的物品展示图，包括：

基于预先训练的生成对抗网络对所述准物品展示图像进行边界扩展，生成长宽比例与所述预设比例一致的物品展示图。

10.根据权利要求9所述的方法，其中，所述基于预先训练的生成对抗网络对所述准物品展示图像进行边界扩展，生成长宽比例与所述预设比例一致的物品展示图，包括：

将所述准物品展示图像输入至预训练的特征提取模型，得到所述准物品展示图像对应的图像特征；

将所述准物品展示图像输入至预先训练的生成对抗网络，得到长宽比例与所述预设比例一致的物品展示图，其中，所述生成对抗网络的判别器的条件输入包括所述图像特征。

11.一种用于显示物品展示图的方法，包括：

向目标设备发送包括目标物品的图像的目标视频；

接收所述目标设备发送的目标物品的物品展示图，其中，所述目标物品的物品展示图中包括所述目标物品的主体，所述目标物品的物品展示图通过权利要求1-10之一所述的方法生成；

显示所述目标物品的物品展示图。

12.根据权利要求11所述的方法，其中，在所述接收所述目标设备发送的目标物品的物品展示图之前，所述方法还包括：

向目标设备发送包括目标物品的图像的落地页。

13.根据权利要求11所述的方法，其中，在所述接收所述目标设备发送的目标物品的物品展示图之前，所述方法还包括：

向目标设备发送与所述目标视频相匹配的文本。

14.一种用于生成物品展示图的装置，包括：

获取单元，被配置成获取目标物品的图像集合；

识别单元，被配置成对所述目标物品的图像集合中的目标物品的图像进行图像主体识别，生成目标物品的主体图像集合；

选取单元，被配置成从所述目标物品的主体图像集合选取图像质量满足预设图像质量条件的主体图像作为准物品展示图；

生成单元，被配置成基于所述准物品展示图进行后处理，生成所述目标物品的物品展示图；

所述获取单元包括：第一获取子单元，被配置成获取与目标物品相关的文本；第二获取子单元，被配置成获取物品相关图像集合，其中，所述物品相关图像集合中包括目标物品的图像；第一确定子单元，被配置成将所述文本和所述物品相关图像集合中的物品相关图像输入至预先训练的图文相关性确定模型，得到所述文本与输入的物品相关图像之间的相关性度量；第一选取子单元，被配置成根据所得到的相关性度量，从所述物品相关图像集合中选取满足预设图文相关性条件的物品相关图像，生成所述目标物品的图像集合。

15.一种用于显示物品展示图的装置，包括：

第一发送单元，被配置成向目标设备发送包括目标物品的图像的目标视频；

接收单元，被配置成接收所述目标设备发送的目标物品的物品展示图，其中，所述目标物品的物品展示图中包括所述目标物品的主体，所述目标物品的物品展示图通过权利要求1-10之一所述的方法生成；

显示单元，被配置成显示所述目标物品的物品展示图。

16.一种电子设备，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1-13中任一所述的方法。

17.一种计算机可读介质，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1-13中任一所述的方法。

Images