CN112258389B - 虚拟换装方法及相关设备 - Google Patents
虚拟换装方法及相关设备 Download PDFInfo
- Publication number
- CN112258389B CN112258389B CN202011533053.1A CN202011533053A CN112258389B CN 112258389 B CN112258389 B CN 112258389B CN 202011533053 A CN202011533053 A CN 202011533053A CN 112258389 B CN112258389 B CN 112258389B
- Authority
- CN
- China
- Prior art keywords
- mask
- clothing
- image
- target
- reloaded
- 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 74
- 238000005034 decoration Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 147
- 230000004927 fusion Effects 0.000 claims description 115
- 238000012549 training Methods 0.000 claims description 104
- 238000010586 diagram Methods 0.000 claims description 33
- 238000005070 sampling Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims 9
- 230000006870 function Effects 0.000 description 28
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种虚拟换装方法、装置、电子设备及存储介质。该方法包括：获取待换装对象图像和服饰透底图；对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像。该方法可以获得真实、新目标服饰和待换装对象匹配准确的目标成品图像。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种虚拟换装方法、装置、电子设备及存储介质。
背景技术
虚拟换装可以指给定人物照片和衣服透底图，将人物照片与衣服透底图结合，获得穿着衣服透底图中的衣服的新人物照片。虚拟换装可以用虚拟的方式展示不同衣服的试穿效果。此任务主要有几个技术难点：透底图和目标姿势的匹配、衣服上的阴影褶皱以及衣服边缘的处理。
相关技术中的虚拟换装方法，通常根据大量数据的训练，使得模型初步具备生成目标人物穿指定衣服的能力。但是，这种方法较为依赖训练数据集，如果测试数据与训练数据差异较大，模型的输出结果往往和训练数据更加接近，和测试数据差距很大。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种虚拟换装方法、装置、电子设备及存储介质，该方法可以获得真实、新目标服饰和待换装对象匹配准确的目标成品图像。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
本公开实施例提供一种虚拟换装方法，包括：获取待换装对象 图像和服饰透底图；对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的服饰透底图中的新目标服饰替换待换装对象图像的原目标服饰。
在本公开一些示例性实施例中，流形变模型包括第一下采样结构、第二下采样结构、第一上采样结构、第二上采样结构、第一融合结构及第二融合结构，第一下采样结构包括第一残差模块和第二残差模块，第二下采样结构包括第三残差模块和第四残差模块，其中，通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，包括：通过第一下采样结构的第一残差模块和第二残差模块分别对掩膜进行下采样，获得第一尺寸的第一掩膜特征向量及第二尺寸的第二掩膜特征向量，第一尺寸大于第二尺寸；通过第一上采样结构对第二掩膜特征向量进行上采样，获得第一尺寸的上采样后的第二掩膜特征向量；通过第一融合结构融合上采样后的第二掩膜特征向量和第一掩膜特征向量，获得第一尺寸的第一掩膜融合特征向量；通过第二下采样结构的第三残差模块和第四残差模块分别对服饰透底图进行下采样，获得第一尺寸的第一透底图特征向量及第二尺寸的第二透底图特征向量；通过第二上采样结构对第二透底图特征向量进行上采样，获得第一尺寸的上采样后的第二透底图特征向量；通过第二融合结构融合上采样后的第二透底图特征向量和第一透底图特征向量，获得第一尺寸的第一透底图融合特征向量。
在本公开一些示例性实施例中，流形变模型还包括第三融合结构、第四融合结构、第三上采样结构和第一形变结构，其中，通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，还包括：通过第三融合结构融合第二透底图特征向量和第二掩膜特征向量，获得第一流；通过第三上采样结构对第一流进行上采样，获得上采样后的第一流；通过第一形变结构根据上采样后的第一流对第一透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第一透底图形变特征向量；通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得目标流。
在本公开一些示例性实施例中，第一残差模块、第二残差模块、第三残差模块和第四残差模块均依次包括卷积层、批归一化层及激活层，第一残差模块和第二残差模块的卷积层的通道数依次递增，第三残差模块和第四残差模块的卷积层的通道数依次递增。
在本公开一些示例性实施例中，融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，包括：根据掩膜，去除待换装对象图像中的目标服饰区域对应的原目标服饰；将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的目标服饰区域，获得目标成品图像。
在本公开一些示例性实施例中，将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的目标服饰区域，获得目标成品图像，包括：提取待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像；将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的服饰区域，获得初始成品图像；将阴影图像叠加到初始成品图像对应的服饰区域，获得目标成品图像。
在本公开一些示例性实施例中，对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜，包括：通过分割模型对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的初始掩膜；对目标服饰区域的初始掩膜的边缘进行羽化处理，获得待换装对象图像的目标服饰区域的掩膜。
在本公开一些示例性实施例中，流形变模型包括第一下采样结构、第二下采样结构、第三融合结构、第三上采样结构和第一形变结构，方法还包括：获取训练服饰透底图和训练待换装对象图像，训练待换装对象图像中的待换装对象穿着训练服饰透底图；对训练待换装对象图像进行分割，获得训练待换装对象图像的目标服饰区域的训练掩膜；通过第一下采样结构、第二下采样结构和第三融合结构对训练服饰透底图和训练掩膜进行处理，获得第一训练流；通过第三上采样结构和第一形变结构对第一训练流进行处理，获得第二训练流；根据第二训练流、训练服饰透底图和训练掩膜确定第一损失函数；根据第一训练流和第二训练流确定第二损失函数；根据第一损失函数和第二损失函数训练流形变模型。
本公开实施例提供一种虚拟换装装置，包括：图像获取模块，用于获取待换装对象图像和服饰透底图；掩膜获得模块，用于对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；目标流获得模块，用于通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；图像形变模块，用于根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；图像融合模块，用于融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的服饰透底图中的新目标服饰替换待换装对象图像的原目标服饰。
本公开实施例提供一种电子设备，包括：至少一个处理器；存储装置，用于存储至少一个程序，当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现如上述任一种虚拟换装方法。
本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一种虚拟换装方法。
本公开实施例提供的虚拟换装方法，通过对待换装对象图像进行分割，可以准确地获得待换装图像中的目标服饰区域和目标服饰区域的掩膜；通过流形变模型对掩膜和服饰透底图进行处理，可以获得准确表征掩膜和服饰透底图中像素之间的对应关系的目标流，便于后续服饰透底图的形变；根据目标流可以将服饰透底图的每个像素形变转移到目标服饰区域的对应位置，可以实现服饰透底图中的新目标服饰到目标服饰区域的形变，获得形变后的服饰透底图，可以避免服饰本身因素的影响；通过融合待换装对象图像、掩膜和形变后的服饰透底图，可以获得真实、新目标服饰和待换装对象匹配准确的目标成品图像。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了可以应用本公开实施例的虚拟换装方法的示例性系统架构的示意图。
图2是根据一示例性实施方式示出的一种虚拟换装方法的流程图。
图3是根据一示例性实施方式示出的一种待换装对象图像的示意图。
图4是根据一示例性实施方式示出的一种服饰透底图的示意图。
图5是根据一示例性实施方式示出的一种虚拟换装方法的示意图。
图6是根据一示例性实施方式示出的一种目标成品图像的示意图。
图7是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
图8是根据一示例性实施方式示出的一种流形变模型的示意图。
图9是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
图10是根据一示例性实施方式示出的一种流形变模型的示意图。
图11是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
图12是根据一示例性实施方式示出的一种虚拟换装方法的示意图。
图13是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
图14是根据一示例性实施方式示出的一种虚拟换装装置的框图。
图15是根据一示例性实施方式示出的一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的虚拟换装方法的示例性系统架构的示意图。
如图1所示，该系统架构可以包括服务器101、网络102和终端设备103。网络102用以在终端设备103和服务器101之间提供通信链路的介质。网络102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。
服务器101可以是提供各种服务的服务器，例如对用户利用终端设备103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给终端设备103。
用户例如可以通过终端设备103输入换装指令或点击要更换的服饰透底图。
服务器101可例如获取待换装对象图像和服饰透底图；服务器101可例如对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；服务器101可例如通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；服务器101可例如根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；服务器101可例如融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的服饰透底图中的新目标服饰替换待换装对象图像的原目标服饰。
服务器101可例如将目标成品图像发送给终端设备103，终端设备103可以用于显示目标成品图像。
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，服务器101可以是一个实体的服务器，还可以为多个服务器组成的服务器集群，还可以是云端服务器，根据实际需要，可以具有任意数目的终端设备、网络和服务器。
下面，将结合附图及实施例对本公开示例实施例中的虚拟换装方法的各个步骤进行更详细的说明。
图2是根据一示例性实施方式示出的一种虚拟换装方法的流程图。本公开实施例提供的方法可以由如图1所示的服务器中执行，但本公开并不限定于此。
如图2所示，本公开实施例提供的虚拟换装方法可以包括以下步骤。
在步骤S201中，获取待换装对象图像和服饰透底图。
本公开实施例中，待换装对象可以为人物、动物、玩具等，待换装对象图像可以为包含待换装对象的图像，如人物图像、动物图像、玩具图像等等，本公开实施例以待换装对象为人物、待换装对象图像为人物图像进行说明，但本公开并不限定于此。
本公开实施例中，服饰可以为服装、配饰、鞋子等，服装可以为上衣、裤子等，配饰可以为眼镜、耳环、项链、手链等，鞋子可以为皮鞋、运动鞋、帆布鞋、靴子等，本公开实施例以服饰为上衣为例进行说明，但本公开并不限定于此。
图3是根据一示例性实施方式示出的一种待换装对象图像的示意图。
图4是根据一示例性实施方式示出的一种服饰透底图的示意图。
如图3所示，待换装对象穿着原目标服饰，如图4所示，服饰透底图包括要更换的服饰。
在步骤S202中，对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜。
本公开实施例中，目标服饰区域可以为服饰透底图中目标服饰对应的区域。例如，待换装对象图像为人物图像，服饰透底图为上衣透底图，目标服饰区域为人物图像中上衣对应的区域，可以对人物图像进行分割，获得人物图像中上衣对应的区域的掩膜。
在示例性实施例中，可以通过分割模型对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的初始掩膜。
图5是根据一示例性实施方式示出的一种虚拟换装方法的示意图。
本公开实施例中，如图5所示，可以利用分割模型对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜。其中，分割模型可以将给定的待换装对象图像进行语义解析，将待换装对象图像中的衣服区域推断出来。分割模型可以为FCN（FullyConvolutional Networks，全卷积网络），分割模型可以对待换装对象图像进行多个卷积操作，保留空间信息，可以获得稠密的、结构化的网络输出。
本公开实施例中，待换装对象图像为人物图像时，分割模型可以包含12个类别：“头发”、“脸”、“帽子”、“上衣”、“裤子”、“鞋”、“躯干”、“左胳膊”、“右胳膊”、“左腿”以及“右腿”。以目标服饰为上衣为例，可以通过分割模型得到上衣区域的掩膜，即上衣区域为1，其余区域为0。
在示例性实施例中，可以对目标服饰区域的初始掩膜的边缘进行羽化处理，获得待换装对象图像的目标服饰区域的掩膜。
本公开实施例中，可以使用matting（抠图）技术对目标服饰区域的初始掩膜进行处理，使初始掩膜产生羽化的边缘，由此获得的掩膜的边缘区域较为光滑，不缺少过渡。
在步骤S203中，通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系。
本公开实施例中，如图5所示，将目标服饰区域的掩膜和服饰透底图输入到流形变模型中，可以获得表征该目标服饰区域的掩膜和该服饰透底图中的像素之间的对应关系的目标流。
本公开实施例中，掩膜和服饰透底图中的像素之间的对应关系可以为掩膜和服饰透底图中的像素之间的位置对应关系或坐标对应关系。
例如，目标流可以表征图3所示的人物图像中上衣对应的区域的掩膜和图4所示的服饰透底图中上衣的像素之间的对应关系。
在步骤S204中，根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变。
本公开实施例中，可以根据目标流将服饰透底图中的每个像素转移到目标服饰区域的对应位置，可以实现服饰透底图中的新目标服饰到目标服饰区域的形变。
例如，可以根据目标流将图4所示的服饰透底图中上衣的每个像素转移到图3所示的人物图像中上衣对应的区域。
在步骤S205中，融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的服饰透底图中的新目标服饰替换待换装对象图像的原目标服饰。
本公开实施例中，如图5所示，可以将待换装对象图像、待换装对象图像的目标服饰区域的掩膜和形变后的服饰透底图输入到合成模块进行融合，可以用形变后的服饰透底图中的新目标服饰替换待换装对象图像中的原目标服饰，获得目标成品图像。
图6是根据一示例性实施方式示出的一种目标成品图像的示意图。
例如，可以用图4所示的服饰透底图中的新衣服替换图3所示的人物图像中的原衣服，获得图6所示的穿着图4所示的新衣服的目标成品图像。
在示例性实施例中，可以根据掩膜，去除待换装对象图像中的目标服饰区域对应的原目标服饰。
例如，可以根据掩膜，去除图3所示的人物图像中的原衣服。
在示例性实施例中，可以将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的目标服饰区域，获得目标成品图像。
例如，可以将掩膜和形变后的服饰透底图融合后放置到图3所示的人物图像中原衣服对应的目标服饰区域，获得图6所示的目标成品图像，完成待换装对象的换装。
本公开实施例提供的虚拟换装方法，通过对待换装对象图像进行分割，可以准确地获得待换装图像中的目标服饰区域和目标服饰区域的掩膜；通过流形变模型对掩膜和服饰透底图进行处理，可以获得准确表征掩膜和服饰透底图中像素之间的对应关系的目标流，便于后续服饰透底图的形变；根据目标流可以将服饰透底图的每个像素形变转移到目标服饰区域的对应位置，可以实现服饰透底图中的新目标服饰到目标服饰区域的形变，获得形变后的服饰透底图，可以避免服饰本身因素的影响；通过融合待换装对象图像、掩膜和形变后的服饰透底图，可以获得真实、新目标服饰和待换装对象匹配准确的目标成品图像。
图7是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
本公开实施例中，与图2所示的虚拟换装方法不同的是，图7所示的虚拟换装方法进一步提供了如何通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，也即提供了上述步骤S203的一种实施例。
图8是根据一示例性实施方式示出的一种流形变模型的示意图。
在示例性实施例中，如图8所示，流形变模型可以包括第一下采样结构、第二下采样结构、第一上采样结构U1、第二上采样结构U2、第三上采样结构U3、第一融合结构E1、第二融合结构E2、第三融合结构E3、第四融合结构E4和第一形变结构W1，其中，第一下采样结构可以包括第一残差模块和第二残差模块，第二下采样结构可以包括第三残差模块和第四残差模块。
需要说明的是，本公开实施例以流形变模型包括上述结构为例进行说明，但上述结构的数量可以根据实际情况设置一个或多个，本公开对此不做限制。
本公开实施例中，如图8所示，服饰透底图和掩膜分别输入到流形变模型的第二下采样结构和第一下采样结构中，两个结构均可以为特征金字塔结构，两个结构不共享特征参数，即两个结构的参数相互独立。
在示例性实施例中，第一残差模块、第二残差模块、第三残差模块和第四残差模块均可以依次包括卷积层、批归一化层及激活层，第一残差模块和第二残差模块的卷积层的通道数依次递增，第三残差模块和第四残差模块的卷积层的通道数依次递增，例如，第一残差模块和第三残差模块的通道数可以设置为64，第二残差模块和第四残差模块的通道数可以设置为128。第一融合结构E1、第二融合结构E2、第三融合结构E3、第四融合结构E4可以包括卷积层。
如图7所示，步骤S203可以包括以下步骤。
在步骤S701中，通过第一下采样结构的第一残差模块和第二残差模块分别对掩膜进行下采样，获得第一尺寸的第一掩膜特征向量及第二尺寸的第二掩膜特征向量，第一尺寸大于第二尺寸。
本公开实施例中，如图8所示，可以通过第一下采样结构中的第一残差模块和第二残差模块分别对掩膜进行下采样，获得第一尺寸的第一掩膜特征向量T1及第二尺寸的第二掩膜特征向量T2。
在步骤S702中，通过第一上采样结构对第二掩膜特征向量进行上采样，获得第一尺寸的上采样后的第二掩膜特征向量。
本公开实施例中，如图8所示，可以通过第一上采样结构U1对第二掩膜特征向量T2进行上采样，获得第一尺寸的上采样后的第二掩膜特征向量。
在步骤S703中，通过第一融合结构融合上采样后的第二掩膜特征向量和第一掩膜特征向量，获得第一尺寸的第一掩膜融合特征向量。
本公开实施例中，如图8所示，可以通过第一融合结构E1融合上采样后的第二掩膜特征向量和第一掩膜特征向量T1，获得第一尺寸的第一掩膜融合特征向量T1’。
在步骤S704中，通过第二下采样结构的第三残差模块和第四残差模块分别对服饰透底图进行下采样，获得第一尺寸的第一透底图特征向量及第二尺寸的第二透底图特征向量。
本公开实施例中，如图8所示，可以通过第二下采样结构的第三残差模块和第四残差模块分别对服饰透底图进行下采样，获得第一尺寸的第一透底图特征向量S1及第二尺寸的第二透底图特征向量S2。
在步骤S705中，通过第二上采样结构对第二透底图特征向量进行上采样，获得第一尺寸的上采样后的第二透底图特征向量。
本公开实施例中，如图8所示，可以通过第二上采样结构U2对第二透底图特征向量S2进行上采样，获得第一尺寸的上采样后的第二透底图特征向量。
在步骤S706中，通过第二融合结构融合上采样后的第二透底图特征向量和第一透底图特征向量，获得第一尺寸的第一透底图融合特征向量。
本公开实施例中，如图8所示，可以通过第二融合结构E2融合上采样后的第二透底图特征向量和第一透底图特征向量S1，获得第一尺寸的第一透底图融合特征向量S1’。
在步骤S707中，通过第三融合结构融合第二透底图特征向量和第二掩膜特征向量，获得第一流。
本公开实施例中，如图8所示，可以将第二透底图特征向量S2和第二掩膜特征向量T2级联并输入第三融合结构E3，通过第三融合结构E3融合第二透底图特征向量S2和第二掩膜特征向量T2，获得第一流F1。
本公开实施例中，可以根据以下公式获得第一流F1：
在步骤S708中，通过第三上采样结构对第一流进行上采样，获得上采样后的第一流。
本公开实施例中，如图8所示，可以通过第三上采样结构U3对第一流F1进行上采样，获得上采样后的第一流。
在步骤S709中，通过第一形变结构根据上采样后的第一流对第一透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第一透底图形变特征向量。
本公开实施例中，如图8所示，可以通过第一形变结构W1根据上采样后的第一流对第一透底图融合特征向量S1’进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第一透底图形变特征向量。
本公开实施例中，第一形变结构W1可以根据上采样后的第一流对第一透底图融合特征向量S1’进行Warp（扭曲）操作，使得新目标服饰移动至目标服饰区域的对应位置。其中，Warp操作可以包括像素的坐标变换、位置变换等。
在步骤S710中，通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得目标流。
本公开实施例中，如图8所示，可以通过第四融合结构E4融合第一透底图形变特征向量和第一掩膜融合特征向量T1’，获得目标流F2。
图9是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
本公开实施例中，与图7所示的虚拟换装方法不同的是，图9所示的虚拟换装方法进一步提供了如何通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得目标流，也即提供了上述步骤S710的一种实施例。
图10是根据一示例性实施方式示出的一种流形变模型的示意图。
在示例性实施例中，如图10所示，在图8所示的流形变模型的基础上，流形变模型还可以包括：第三上采样结构U3、第四上采样结构U4、第五上采样结构U5、第五融合结构E5、第六融合结构E6、第七融合结构E7、第二形变结构W2，第一下采样结构还可以包括第五残差模块，第二下采样结构还可以包括第六残差模块。
需要说明的是，本公开实施例以流形变模型包括上述结构为例进行说明，但上述结构的数量可以根据实际情况设置一个或多个，本公开对此不做限制。
在示例性实施例中，第五残差模块和第六残差模块均可以依次包括卷积层、批归一化层及激活层，第五残差模块、第一残差模块和第二残差模块的卷积层的通道数依次递增，第六残差模块、第三残差模块和第四残差模块的卷积层的通道数依次递增，例如，第五残差模块、第一残差模块和第二残差模块的卷积层的通道数可以依次设置为64、128、256，第六残差模块、第三残差模块和第四残差模块的卷积层的通道数可以依次设置为64、128、256。
如图9所示，步骤S710可以包括以下步骤。
在步骤S901中，通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得第二流。
本公开实施例中，可以根据以下公式获得第二流F2：
本公开实施例中，如图10所示，可以通过第四融合结构E4融合第一透底图形变特征向量和第一掩膜融合特征向量T1’，获得第二流F2。
在步骤S902中，通过第一下采样结构的第五残差模块对掩膜进行下采样，获得第三尺寸的第三掩膜特征向量，第三尺寸大于第一尺寸。
本公开实施例中，如图10所示，可以通过第一下采样结构的第五残差模块对掩膜进行下采样，获得第三尺寸的第三掩膜特征向量T3，第三尺寸大于第一尺寸。
在步骤S903中，通过第三上采样结构对第一掩膜特征向量进行上采样，获得第三尺寸的上采样后的第一掩膜特征向量。
本公开实施例中，如图10所示，可以通过第三上采样结构U3对第一掩膜特征向量T1进行上采样，获得第三尺寸的上采样后的第一掩膜特征向量。
在步骤S904中，通过第五融合结构融合上采样后的第一掩膜特征向量和第三掩膜特征向量，获得第三尺寸的第二掩膜融合特征向量。
本公开实施例中，如图10所示，可以通过第五融合结构E5融合上采样后的第一掩膜特征向量和第三掩膜特征向量T3，获得第三尺寸的第二掩膜融合特征向量T2’。
在步骤S905中，通过第二下采样结构的第六残差模块对服饰透底图进行下采样，获得第三尺寸的第三透底图特征向量。
本公开实施例中，如图10所示，可以通过第二下采样结构的第六残差模块对服饰透底图进行下采样，获得第三尺寸的第三透底图特征向量S3。
在步骤S906中，通过第四上采样结构对第一透底图特征向量进行上采样，获得第三尺寸的上采样后的第一透底图特征向量。
本公开实施例中，如图10所示，可以通过第四上采样结构U4对第一透底图特征向量S1进行上采样，获得第三尺寸的上采样后的第一透底图特征向量。
在步骤S907中，通过第六融合结构融合上采样后的第一透底图特征向量和第三透底图特征向量，获得第三尺寸的第二透底图融合特征向量。
本公开实施例中，如图10所示，可以通过第六融合结构E6融合上采样后的第一透底图特征向量和第三透底图特征向量S3，获得第三尺寸的第二透底图融合特征向量S2’。
在步骤S908中，通过第五上采样结构对第二流进行上采样，获得上采样后的第二流。
本公开实施例中，如图10所示，可以通过第五上采样结构U5对第二流F2进行上采样，获得上采样后的第二流。
在步骤S909中，通过第二形变结构根据上采样后的第二流对第二透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第二透底图形变特征向量。
本公开实施例中，如图10所示，可以通过第二形变结构W2根据上采样后的第二流对第二透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第二透底图形变特征向量。
在步骤S910中，通过第七融合结构融合第二透底图形变特征向量和第二掩膜融合特征向量，获得目标流。
本公开实施例中，如图10所示，可以通过第七融合结构融合E7第二透底图形变特征向量和第二掩膜融合特征向量T2’，获得目标流F3。
本公开实施例中，可以根据以下公式获得第三流F3：
图11是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
本公开实施例中，与图2所示的虚拟换装方法不同的是，图11所示的虚拟换装方法进一步提供了如何将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的目标服饰区域，获得目标成品图像，也即提供了上述步骤S205的一种实施例。
如图11所示，步骤S205可以包括以下步骤。
在步骤S1101中，提取待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像。
图12是根据一示例性实施方式示出的一种虚拟换装方法的示意图。
本公开实施例中，如图12所示，可以利用阴影提取模型提取待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像。
本公开实施例中，可以将提取的阴影图像作为一个单通道的图像，将该阴影图像归一化到0-1，该阴影图像可以用M表示。
例如，可以提取图3所示的人物图像的上衣的阴影图像。
在步骤S1102中，将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的服饰区域，获得初始成品图像。
例如，可以将掩膜和形变后的服饰透底图融合后放置到图3所示的人物图像的上衣对应的区域，获得初始成品图像。
在步骤S1103中，将阴影图像叠加到初始成品图像对应的服饰区域，获得目标成品图像。
本公开实施例中，若初始成品图像对应的服饰区域为I，I的值域可以为0-1，可以根据以下公式叠加阴影图像：
其中， 
表示叠加阴影后的服饰区域。
本公开实施例中，可以根据阴影的明暗，让服饰区域的暗区域更暗，明亮区域基本保持，形成叠加的阴影效果，即可以根据阴影图像描述的明暗关系调整色调。
例如，可以将提取的阴影图像叠加到初始成品图像中上衣对应的区域，获得目标成品图像。
本公开实施例提供的虚拟换衣方法，通过提取待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像，并叠加到初始成品图像对应的服饰区域，可以使获得的目标成品图像更加真实，提升用户体验。
图13是根据一示例性实施方式示出的另一种虚拟换装方法的流程图。
本公开实施例中，在图2所示的虚拟换装方法的基础上，图13所示的虚拟换装方法进一步提供了流形变模型的训练过程，图13所示的虚拟换装方法还可以包括以下步骤。
在步骤S1301中，获取训练服饰透底图和训练待换装对象图像，训练待换装对象图像中的待换装对象穿着训练服饰透底图。
本公开实施例中，训练服饰透底图可以包括衣服透底图、配饰透底图、鞋子透底图等等，训练待换装对象图像可以包括人物图像、动物图像和玩具图像等等。
在步骤S1302中，对训练待换装对象图像进行分割，获得训练待换装对象图像的目标服饰区域的训练掩膜。
本公开实施例中，步骤S1302和步骤S202中的分割方法类似，在此不再赘述。
在步骤S1303中，通过第一下采样结构、第二下采样结构和第三融合结构对训练服饰透底图和训练掩膜进行处理，获得第一训练流。
本公开实施例中，可以通过流形变模型中的第一下采样结构对训练掩膜进行下采样，通过第二下采样结构对训练服饰透底图进行下采样，通过第三融合结构融合下采样后的训练掩膜和下采样后的训练服饰透底图，获得第一训练流。
在步骤S1304中，通过第三上采样结构和第一形变结构对第一训练流进行处理，获得第二训练流。
本公开实施例中，可以通过第三上采样结构对第一训练流进行上采样，通过第一形变结构对上采样后的第一训练流进行处理，获得第二训练流。
在步骤S1305中，根据第二训练流、训练服饰透底图和训练掩膜确定第一损失函数。
本公开实施例中，可以根据以下公式确定第一损失函数：
其中， 
表示第一损失函数，n为大于或等于1的整数，
表示训练服饰透底图，
表示第二训练流，
表示训练掩膜对应的目标服饰区域，
可以表示利用VGG（Visual
Geometry Group，视觉几何组）模型提取的第l层的特征，l为大于或等于1的整数，warp操作
可以表示将训练服饰透底图根据第二训练流进行形变，第一损失函数可以表示训练服饰透
底图根据第二训练流进行形变后与真实的服饰区域，即训练掩膜对应的目标服饰区域做比
对，最小化外观差异。
在步骤S1306中，根据第一训练流和第二训练流确定第二损失函数。
本公开实施例中，可以根据以下公式确定第二损失函数：
其中，
表示第二损失函数，
表示第一训练流。
本公开实施例中，第二损失函数中对各个流的输出作了梯度的约束，即流的梯度的变化总量尽量小，可以使产生的流更加平滑。
在步骤S1307中，根据第一损失函数和第二损失函数训练流形变模型。
本公开实施例中，可以根据第一损失函数和第二损失函数训练流形变模型，训练好的流形变模型可以用于后续虚拟换装的过程中。
需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图14是根据一示例性实施方式示出的一种虚拟换装装置的框图。
如图14所示，虚拟换装装置1400可以包括：图像获取模块1401、掩膜获得模块1402、目标流获得模块1403、图像形变模块1404和图像融合模块1405。
其中，图像获取模块1401可以用于获取待换装对象图像和服饰透底图；掩膜获得模块1402可以用于对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；目标流获得模块1403可以用于通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；图像形变模块1404可以用于根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；图像融合模块1405可以用于融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的衣服透底图中的新目标服饰替换待换装对象图像的原目标服饰。
在示例性实施例中，流形变模型可以包括第一下采样结构、第二下采样结构、第一上采样结构、第二上采样结构、第一融合结构及第二融合结构，第一下采样结构包括第一残差模块和第二残差模块，第二下采样结构包括第三残差模块和第四残差模块，其中，目标流获得模块1403可以包括：第一下采样单元，可以用于通过第一下采样结构的第一残差模块和第二残差模块分别对掩膜进行下采样，获得第一尺寸的第一掩膜特征向量及第二尺寸的第二掩膜特征向量，第一尺寸大于第二尺寸；第一上采样单元，可以用于通过第一上采样结构对第二掩膜特征向量进行上采样，获得第一尺寸的上采样后的第二掩膜特征向量；第一融合单元，可以用于通过第一融合结构融合上采样后的第二掩膜特征向量和第一掩膜特征向量，获得第一尺寸的第一掩膜融合特征向量；第二下采样单元，可以用于通过第二下采样结构的第三残差模块和第四残差模块分别对服饰透底图进行下采样，获得第一尺寸的第一透底图特征向量及第二尺寸的第二透底图特征向量；第二上采样单元，可以用于通过第二上采样结构对第二透底图特征向量进行上采样，获得第一尺寸的上采样后的第二透底图特征向量；第二融合单元，可以用于通过第二融合结构融合上采样后的第二透底图特征向量和第一透底图特征向量，获得第一尺寸的第一透底图融合特征向量。
在示例性实施例中，流形变模型还可以包括第三融合结构、第四融合结构、第三上采样结构和第一形变结构，其中，目标流获得模块1403可以包括：第三融合单元，可以用于通过第三融合结构融合第二透底图特征向量和第二掩膜特征向量，获得第一流；第三上采样单元，可以用于通过第三上采样结构对第一流进行上采样，获得上采样后的第一流；第一形变单元，可以用于通过第一形变结构根据上采样后的第一流对第一透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第一透底图形变特征向量；第四融合单元，可以用于通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得目标流。
在示例性实施例中，第一残差模块、第二残差模块、第三残差模块和第四残差模块均依次包括卷积层、批归一化层及激活层，第一残差模块和第二残差模块的卷积层的通道数依次递增，第三残差模块和第四残差模块的卷积层的通道数依次递增。
在示例性实施例中，图像融合模块1405可以包括：服饰去除单元，可以用于根据掩膜，去除待换装对象图像中的目标服饰区域对应的原目标服饰；图像获得单元，可以用于将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的目标服饰区域，获得目标成品图像。
在示例性实施例中，图像获得单元可以包括：阴影提取单元，可以用于提取待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像；图像放置单元，可以用于将掩膜和形变后的服饰透底图融合后放置到待换装对象图像中对应的服饰区域，获得初始成品图像；阴影叠加单元，可以用于将阴影图像叠加到初始成品图像对应的服饰区域，获得目标成品图像。
在示例性实施例中，掩膜获得模块1402可以包括：初始掩膜获得单元，可以用于通过分割模型对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的初始掩膜；羽化处理单元，可以用于对目标服饰区域的初始掩膜的边缘进行羽化处理，获得待换装对象图像的目标服饰区域的掩膜。
在示例性实施例中，流形变模型包括第一下采样结构、第二下采样结构、第三融合结构、第三上采样结构和第一形变结构，装置1400还可以包括：训练图像获得模块，可以用于获取训练服饰透底图和训练待换装对象图像，训练待换装对象图像穿着训练服饰透底图；训练图像分割模块，可以用于对训练待换装对象图像进行分割，获得训练待换装对象图像的目标服饰区域的训练掩膜；第一训练流获得模块，可以用于通过第一下采样结构、第二下采样结构和第三融合结构对训练服饰透底图和训练掩膜进行处理，获得第一训练流；第二训练流获得模块，可以用于通过第三上采样结构和第一形变结构对第一训练流进行处理，获得第二训练流；第一损失函数确定模块，可以用于根据第二训练流、训练服饰透底图和训练掩膜确定第一损失函数；第二损失函数确定模块，可以用于根据第一训练流和第二训练流确定第二损失函数；模型训练模块，可以用于根据第一损失函数和第二损失函数训练流形变模型。
需要注意的是，上述附图中所示的框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图15是根据一示例性实施方式示出的一种电子设备的结构示意图。需要说明的是，图15示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图15所示，电子设备1500包括中央处理单元（CPU）1501，其可以根据存储在只读存储器（ROM）1502中的程序或者从存储部分1508加载到随机访问存储器（RAM）1503中的程序而执行各种适当的动作和处理。在RAM 1503中，还存储有系统1500操作所需的各种程序和数据。CPU 1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出（I/O）接口1505也连接至总线1504。
以下部件连接至I/O接口1505：包括键盘、鼠标等的输入部分1506；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1507；包括硬盘等的存储部分1508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1509。通信部分1509经由诸如因特网的网络执行通信处理。驱动器1510也根据需要连接至I/O接口1505。可拆卸介质1511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1510上，以便于从其上读出的计算机程序根据需要被安装入存储部分1508。
特别地，根据本发明的实施例，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，本发明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部分1509从网络上被下载和安装，和/或从可拆卸介质1511被安装。在该计算机程序被中央处理单元（CPU）1501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。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，发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：获取待换装对象图像和服饰透底图；对待换装对象图像进行分割，获得待换装对象图像的目标服饰区域的掩膜；通过流形变模型对掩膜和服饰透底图进行处理，获得目标流，目标流用于表征掩膜和服饰透底图中的像素之间的对应关系；根据目标流获得形变后的服饰透底图，使得服饰透底图的每个像素通过流的形变转移到目标服饰区域的对应位置，实现服饰透底图中的新目标服饰到目标服饰区域的形变；融合待换装对象图像、掩膜和形变后的服饰透底图，获得目标成品图像，目标成品图像中用形变后的服饰中的新目标服饰替换待换装对象图像的原目标服饰。
以上具体地示出和描述了本发明的示例性实施方式。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (9)
1.一种虚拟换装方法，其特征在于，包括：
获取待换装对象图像和服饰透底图；
对所述待换装对象图像进行分割，获得所述待换装对象图像的目标服饰区域的掩膜；
通过流形变模型对所述掩膜和所述服饰透底图进行处理，获得目标流，所述目标流用于表征所述掩膜和所述服饰透底图中的像素之间的对应关系，所述流形变模型包括第一下采样结构、第二下采样结构、第一上采样结构、第二上采样结构、第一融合结构、第二融合结构、第三融合结构、第四融合结构、第三上采样结构和第一形变结构，所述第一下采样结构包括第一残差模块和第二残差模块，所述第二下采样结构包括第三残差模块和第四残差模块；
根据所述目标流获得形变后的服饰透底图，使得所述服饰透底图的每个像素通过流的形变转移到所述目标服饰区域的对应位置，实现所述服饰透底图中的新目标服饰到所述目标服饰区域的形变；
融合所述待换装对象图像、所述掩膜和所述形变后的服饰透底图，获得目标成品图像，所述目标成品图像中用所述形变后的服饰透底图中的新目标服饰替换所述待换装对象图像的原目标服饰；
其中，通过流形变模型对所述掩膜和所述服饰透底图进行处理，获得目标流，包括：
通过所述第一下采样结构的第一残差模块和第二残差模块分别对所述掩膜进行下采样，获得第一尺寸的第一掩膜特征向量及第二尺寸的第二掩膜特征向量，所述第一尺寸大于所述第二尺寸；
通过所述第一上采样结构对所述第二掩膜特征向量进行上采样，获得所述第一尺寸的上采样后的第二掩膜特征向量；
通过所述第一融合结构融合所述上采样后的第二掩膜特征向量和所述第一掩膜特征向量，获得所述第一尺寸的第一掩膜融合特征向量；
通过所述第二下采样结构的第三残差模块和第四残差模块分别对所述服饰透底图进行下采样，获得所述第一尺寸的第一透底图特征向量及所述第二尺寸的第二透底图特征向量；
通过所述第二上采样结构对所述第二透底图特征向量进行上采样，获得所述第一尺寸的上采样后的第二透底图特征向量；
通过所述第二融合结构融合所述上采样后的第二透底图特征向量和所述第一透底图特征向量，获得所述第一尺寸的第一透底图融合特征向量；
通过第三融合结构融合所述第二透底图特征向量和所述第二掩膜特征向量，获得第一流；
通过所述第三上采样结构对所述第一流进行上采样，获得上采样后的第一流；
通过所述第一形变结构根据所述上采样后的第一流对所述第一透底图融合特征向量进行处理，以使所述新目标服饰移动至所述目标服饰区域的对应位置，获得第一透底图形变特征向量；
通过所述第四融合结构融合所述第一透底图形变特征向量和所述第一掩膜融合特征向量，获得所述目标流。
2.根据权利要求1所述的方法，其特征在于，所述第一残差模块、所述第二残差模块、所述第三残差模块和所述第四残差模块均依次包括卷积层、批归一化层及激活层，所述第一残差模块和所述第二残差模块的卷积层的通道数依次递增，所述第三残差模块和所述第四残差模块的卷积层的通道数依次递增。
3.根据权利要求1所述的方法，其特征在于，融合所述待换装对象图像、所述掩膜和所述形变后的服饰透底图，获得目标成品图像，包括：
根据所述掩膜，去除所述待换装对象图像中的目标服饰区域对应的原目标服饰；
将所述掩膜和所述形变后的服饰透底图融合后放置到所述待换装对象图像中对应的目标服饰区域，获得所述目标成品图像。
4.根据权利要求3所述的方法，其特征在于，将所述掩膜和所述形变后的服饰透底图融合后放置到所述待换装对象图像中对应的目标服饰区域，获得所述目标成品图像，包括：
提取所述待换装对象图像的目标服饰区域对应的原目标服饰的阴影图像；
将所述掩膜和所述形变后的服饰透底图融合后放置到所述待换装对象图像中对应的服饰区域，获得初始成品图像；
将所述阴影图像叠加到所述初始成品图像对应的服饰区域，获得所述目标成品图像。
5.根据权利要求1所述的方法，其特征在于，对所述待换装对象图像进行分割，获得所述待换装对象图像的目标服饰区域的掩膜，包括：
通过分割模型对所述待换装对象图像进行分割，获得所述待换装对象图像的目标服饰区域的初始掩膜；
对所述目标服饰区域的初始掩膜的边缘进行羽化处理，获得所述待换装对象图像的目标服饰区域的掩膜。
6.根据权利要求1所述的方法，其特征在于，所述流形变模型包括第一下采样结构、第二下采样结构、第三融合结构、第三上采样结构和第一形变结构，所述流形变模型的训练过程包括：
获取训练服饰透底图和训练待换装对象图像，所述训练待换装对象图像中的待换装对象穿着所述训练服饰透底图；
对所述训练待换装对象图像进行分割，获得所述训练待换装对象图像的目标服饰区域的训练掩膜；
通过所述第一下采样结构、所述第二下采样结构和所述第三融合结构对所述训练服饰透底图和所述训练掩膜进行处理，获得第一训练流；
通过所述第三上采样结构和所述第一形变结构对所述第一训练流进行处理，获得第二训练流；
根据所述第二训练流、所述训练服饰透底图和所述训练掩膜确定第一损失函数；
根据所述第一训练流和所述第二训练流确定第二损失函数；
根据所述第一损失函数和所述第二损失函数训练所述流形变模型。
7.一种虚拟换装装置，其特征在于，包括：
图像获取模块，用于获取待换装对象图像和服饰透底图；
掩膜获得模块，用于对所述待换装对象图像进行分割，获得所述待换装对象图像的目标服饰区域的掩膜；
目标流获得模块，用于通过流形变模型对所述掩膜和所述服饰透底图进行处理，获得目标流，所述目标流用于表征所述掩膜和所述服饰透底图中的像素之间的对应关系，所述流形变模型包括第一下采样结构、第二下采样结构、第一上采样结构、第二上采样结构、第一融合结构、第二融合结构、第三融合结构、第四融合结构、第三上采样结构和第一形变结构，所述第一下采样结构包括第一残差模块和第二残差模块，所述第二下采样结构包括第三残差模块和第四残差模块；
图像形变模块，用于根据所述目标流获得形变后的服饰透底图，使得所述服饰透底图的每个像素通过流的形变转移到所述目标服饰区域的对应位置，实现所述服饰透底图中的新目标服饰到所述目标服饰区域的形变；
图像融合模块，用于融合所述待换装对象图像、所述掩膜和所述形变后的服饰透底图，获得目标成品图像，所述目标成品图像中用所述形变后的服饰透底图中的新目标服饰替换所述待换装对象图像的原目标服饰；
其中，所述目标流获得模块包括：
第一下采样单元，用于通过第一下采样结构的第一残差模块和第二残差模块分别对掩膜进行下采样，获得第一尺寸的第一掩膜特征向量及第二尺寸的第二掩膜特征向量，第一尺寸大于第二尺寸；
第一上采样单元，用于通过第一上采样结构对第二掩膜特征向量进行上采样，获得第一尺寸的上采样后的第二掩膜特征向量；
第一融合单元，用于通过第一融合结构融合上采样后的第二掩膜特征向量和第一掩膜特征向量，获得第一尺寸的第一掩膜融合特征向量；
第二下采样单元，用于通过第二下采样结构的第三残差模块和第四残差模块分别对服饰透底图进行下采样，获得第一尺寸的第一透底图特征向量及第二尺寸的第二透底图特征向量；
第二上采样单元，用于通过第二上采样结构对第二透底图特征向量进行上采样，获得第一尺寸的上采样后的第二透底图特征向量；
第二融合单元，用于通过第二融合结构融合上采样后的第二透底图特征向量和第一透底图特征向量，获得第一尺寸的第一透底图融合特征向量；
第三融合单元，用于通过第三融合结构融合第二透底图特征向量和第二掩膜特征向量，获得第一流；
第三上采样单元，用于通过第三上采样结构对第一流进行上采样，获得上采样后的第一流；
第一形变单元，用于通过第一形变结构根据上采样后的第一流对第一透底图融合特征向量进行处理，以使新目标服饰移动至目标服饰区域的对应位置，获得第一透底图形变特征向量；
第四融合单元，用于通过第四融合结构融合第一透底图形变特征向量和第一掩膜融合特征向量，获得目标流。
8.一种电子设备，其特征在于，包括：
至少一个处理器；
存储装置，用于存储至少一个程序，当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现如权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011533053.1A CN112258389B (zh) | 2020-12-23 | 2020-12-23 | 虚拟换装方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011533053.1A CN112258389B (zh) | 2020-12-23 | 2020-12-23 | 虚拟换装方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258389A CN112258389A (zh) | 2021-01-22 |
| CN112258389B true CN112258389B (zh) | 2021-11-02 |
Family
ID=74225443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011533053.1A Active CN112258389B (zh) | 2020-12-23 | 2020-12-23 | 虚拟换装方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258389B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114170250B (zh) * | 2022-02-14 | 2022-05-13 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置和电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3742394B2 (ja) * | 2003-03-07 | 2006-02-01 | デジタルファッション株式会社 | 仮想試着表示装置、仮想試着表示方法、仮想試着表示プログラム及び同プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| WO2018029670A1 (en) * | 2016-08-10 | 2018-02-15 | Zeekit Online Shopping Ltd. | System, device, and method of virtual dressing utilizing image processing, machine learning, and computer vision |
| CN107862706A (zh) * | 2017-11-01 | 2018-03-30 | 天津大学 | 一种基于特征向量的改进光流场模型算法 |
| CN109983501A (zh) * | 2016-06-30 | 2019-07-05 | 试戴盒子公司 | 一种隐藏图像或视频中的对象的方法和相关的增强现实方法 |
| CN111027549A (zh) * | 2019-12-10 | 2020-04-17 | 北京服装学院 | 一种针对女上装关键点识别方法 |
| CN111275518A (zh) * | 2020-01-15 | 2020-06-12 | 中山大学 | 一种基于混合光流的视频虚拟试穿方法及装置 |
-
2020
- 2020-12-23 CN CN202011533053.1A patent/CN112258389B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3742394B2 (ja) * | 2003-03-07 | 2006-02-01 | デジタルファッション株式会社 | 仮想試着表示装置、仮想試着表示方法、仮想試着表示プログラム及び同プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| CN109983501A (zh) * | 2016-06-30 | 2019-07-05 | 试戴盒子公司 | 一种隐藏图像或视频中的对象的方法和相关的增强现实方法 |
| WO2018029670A1 (en) * | 2016-08-10 | 2018-02-15 | Zeekit Online Shopping Ltd. | System, device, and method of virtual dressing utilizing image processing, machine learning, and computer vision |
| CN107862706A (zh) * | 2017-11-01 | 2018-03-30 | 天津大学 | 一种基于特征向量的改进光流场模型算法 |
| CN111027549A (zh) * | 2019-12-10 | 2020-04-17 | 北京服装学院 | 一种针对女上装关键点识别方法 |
| CN111275518A (zh) * | 2020-01-15 | 2020-06-12 | 中山大学 | 一种基于混合光流的视频虚拟试穿方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258389A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11030782B2 (en) | Accurately generating virtual try-on images utilizing a unified neural network framework | |
| CN111787242B (zh) | 用于虚拟试衣的方法和装置 | |
| US20210065418A1 (en) | Appearance-flow-based image generation | |
| JP7475772B2 (ja) | 画像生成方法、画像生成装置、コンピュータ機器、及びコンピュータプログラム | |
| CN111754303A (zh) | 虚拟换服饰的方法和装置、设备和介质 | |
| CN114821675B (zh) | 对象的处理方法、系统和处理器 | |
| CN114170250B (zh) | 图像处理方法、装置和电子设备 | |
| CN113298956A (zh) | 图像处理方法、美甲方法、美妆方法和装置、终端设备 | |
| CN112258389B (zh) | 虚拟换装方法及相关设备 | |
| CN116071619A (zh) | 虚拟试衣模型的训练方法、虚拟试衣方法及电子设备 | |
| Li et al. | POVNet: Image-based virtual try-on through accurate warping and residual | |
| CN117593178A (zh) | 一种基于特征引导的虚拟试衣方法 | |
| CN106251200B (zh) | 基于实例的虚拟试衣方法 | |
| US20240144586A1 (en) | Generating shadows for objects in two-dimensional images utilizing a plurality of shadow maps | |
| Liu et al. | 3D clothing transfer in virtual fitting based on UV mapping | |
| CN116777738A (zh) | 基于服装区域对齐和风格保持调制的真实性虚拟试穿方法 | |
| CN109040612B (zh) | 目标对象的图像处理方法、装置、设备及存储介质 | |
| WO2023160074A1 (zh) | 一种图像生成方法、装置、电子设备以及存储介质 | |
| CN116168186A (zh) | 一种服装长度可控的虚拟试衣图生成方法 | |
| CN116205786A (zh) | 一种基于文本驱动图像生成的虚拟试衣方法 | |
| CN114926324A (zh) | 基于真实人物图像的虚拟试衣模型训练方法、虚拟试衣方法、装置及设备 | |
| Lai et al. | Keypoints-Based 2D Vir tual Try-on Network System | |
| CN115936796A (zh) | 一种虚拟换妆方法、系统、设备和存储介质 | |
| CN115147508B (zh) | 服饰生成模型的训练、生成服饰图像的方法和装置 | |
| CN115147526B (zh) | 服饰生成模型的训练、生成服饰图像的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |