CN112764649A - 虚拟形象的生成方法、装置、设备及存储介质 - Google Patents
虚拟形象的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112764649A CN112764649A CN202110126098.5A CN202110126098A CN112764649A CN 112764649 A CN112764649 A CN 112764649A CN 202110126098 A CN202110126098 A CN 202110126098A CN 112764649 A CN112764649 A CN 112764649A
- Authority
- CN
- China
- Prior art keywords
- feature
- vector data
- image
- feature vector
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 176
- 230000011218 segmentation Effects 0.000 claims abstract description 114
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 210000001508 eye Anatomy 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 5
- 210000001331 nose Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 210000004209 hair Anatomy 0.000 description 3
- 210000000214 mouth Anatomy 0.000 description 3
- 238000013501 data transformation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003709 image segmentation Methods 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
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例公开了一种虚拟形象的生成方法、装置、设备及存储介质。包括：接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；根据所述形象特征分割图和所述特征向量数据获得虚拟形象。本公开实施例公开的虚拟形象的生成方法，基于用户输入的形象特征分割图和各形象特征对应的特征向量数据生成虚拟形象，可以提高虚拟形象的真实性及多样性，降低虚拟形象生成的成本。
Description
技术领域
本公开实施例涉及图像处理技术领域，尤其涉及一种虚拟形象的生成方法、装置、设备及存储介质。
背景技术
虚拟人的生成可以用于虚拟客服，虚拟新闻主播等多种场景。但是虚拟人的生成一直存在着一些问题：一是生成的虚拟形象不够真实，包括：模式相似于训练数据，脸部比例五官失调，存在图像崩坏等情况，也导致了生成的虚拟人难以用于实际的应用场景。二是生成的虚拟人难以改变外貌，包括轮廓形状特征和皮肤质感颜色等特征，无法在保持其他特征不变的情况下改变某单一特征的图像，很难满足实际应用中多场景差异化的需求。三是绘制成本过高的问题，传统的虚拟人需要结合美术人员及三维建模人员对虚拟人进行设计开发，成本过高，难以批量生产。
发明内容
本公开实施例提供一种虚拟形象的生成方法、装置、设备及存储介质，可以提高虚拟形象的真实性及多样性，降低虚拟形象生成的成本。
第一方面，本公开实施例提供了一种虚拟形象的生成方法，包括：
接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
第二方面，本公开实施例还提供了一种虚拟形象的生成装置，包括：
形象特征分割图和特征向量数据接收模块，用于接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
虚拟形象获取模块，用于根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的虚拟形象的生成方法。
第四方面，本公开实施例公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的虚拟形象的生成方法。
本公开实施例公开了一种虚拟形象的生成方法、装置、设备及存储介质。接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；根据形象特征分割图和特征向量数据获得虚拟形象。本公开实施例公开的虚拟形象的生成方法，基于用户输入的形象特征分割图和各形象特征对应的特征向量数据生成虚拟形象，可以提高虚拟形象的真实性及多样性，降低虚拟形象生成的成本。
附图说明
图1是本公开实施例中的一种虚拟形象的生成方法的流程图；
图2是本公开实施例中的调整形象特征分割图的示例图；
图3是本公开实施例中的虚拟形象生成过程的示例图；
图4是本公开实施例中的一种虚拟形象的生成装置的结构示意图；
图5是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例一提供的一种虚拟形象的生成方法的流程图，本实施例可适用于生成虚拟形象的情况，该方法可以由虚拟形象的生成装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有虚拟形象的生成功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：
步骤110，接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据。
其中，形象特征可以包括面部形象特征及体征形象特征等。面部形象特征可以包括头发、额头、眉毛、眼睛、鼻子、嘴巴、脸庞、下巴及脖子等形象对应的特征；体征形象特征可以包括胳膊、上半身及腿等形象对应的特征。其中，形象特征分割图为将各形象特征分割开的图像，即将各特征所占的区域分割开的图像。可以用一种颜色表示一个形象特征区域，本实施例中，以面部形象特征为例：如红色代表皮肤，绿色代表鼻子，黄色和深蓝色代表上下嘴唇等。本实施例中，将各形象特征分割开，不仅可以方便可视化编辑，还能够对各特征分别进行调整而不影响其他特征。例如：在调整鼻子的轮廓时，不会影响眼睛等其他特征。
具体的，接收用户输入的形象特征分割图的方式可以是：接收用户输入的原始形象图片；对原始形象图片进行特征识别，并将识别到的各特征进行分割，获得形象特征分割图；或者，接收用户输入的人工绘制的形象特征分割图。
其中，原始形象图片可以任意选取的正脸图片或者正立人体图片。对原始形象图片进行特征识别可以采用现有的形象特征识别算法实现，此处不再赘述。另外，形象分割图还可以是人工绘制的图片，例如：可以是包含各个形象特征的线条图。
具体的，接收用户输入的各形象特征对应的特征向量数据的方式可以是：提取从原始形象图片中识别到的各特征的特征向量，作为特征向量数据。
其中，特征向量数据可以理解为一个高维数组，可以表征肤质或者颜色属性等。
可选的，还包括如下步骤：基于各形象特征的数据分布随机生成特征向量数据；或者，提取多个形象样本对应的特征向量样本数据，并对多个形象样本对应的特征向量样本数据求取平均值，获得特征向量数据。
本实施例中，各形象特征具有对应的数据分布，从各自对应的数据分布中随机抽取数据生成特征向量数据。
其中，形象样本可以是从数据库检索到的正脸图像或者正立人体图像，对这些正脸图像或者正立人体图像分别进行特征提取，获得这些正脸图像或者正立人体图像中各形象分别对应的特征向量，然后对这些特征向量求取平均值，获得特征向量数据。
步骤120，根据形象特征分割图和特征向量数据获得虚拟形象。
其中，虚拟形象可以用于虚拟客服或者虚拟主播等。本实施例中，根据形象特征分割图和特征向量数据获得虚拟形象的方式可以是：将形象特征分割图和特征向量数据输入设定神经网络，输出虚拟形象。
其中，设定神经网络可以是高维解码器。高维解码器有多层残差模块和上采样模块连接构成。残差模块为卷积层的堆叠，残差可以理解为卷积层之间有跳跃传递特征的关系。设定神经网络的输入为形象特征分割图和特征向量数据，输出为虚拟形象。设定神经网络的工作原理可以是输入数据传入多个残差模块，在每层中输入随机噪声以增强网络生成图像的多样性。
可选的，在接收用户输入的形象特征分割图之后，还包括如下步骤：将形象特征分割图在设定界面展示；接收用户在设定界面输入的调整操作；根据调整操作对形象特征分割图中的至少一个特征进行调整。
具体的，以面部形象为例，用户可以在设定界面中形象中的额头、眉毛、眼睛、鼻子、嘴巴、脸庞、下巴及脖子等至少一个的大小和/或轮廓进行调整，对头发的进行填充、变形或者改变方向等处理。
在设定界面中，接收用户对至少一个特征的调整操作，以实现对对形象特征分割图的调整。在设定界面中，包含有各个形象特征的操作按钮，用户点击对应的特征按钮，就可以实现对该特征的调整。示例性的，图2为本实施例中调整形象特征分割图的示例图，如图2所示，设定界面中包括形象特征分割图调整窗口以及效果显示窗口，调整窗口中显示形象特征分割图，效果显示窗口显示调整后的效果。界面中还包括头发、额头、眉毛、眼睛、鼻子、嘴巴、脸庞及下巴的特征按钮，例如：假设用户点击了“眉毛”按钮，就可以实现对眉毛轮廓或大小的调整。
可选的，根据形象特征分割图和特征向量数据获得虚拟形象的方式可以是：根据调整后的形象特征分割图和特征向量数据获得虚拟形象。
具体的，将调整后的形象特征分割图和特征向量数据输入设定神经网络，获得虚拟形象。
可选的，在接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据之后，还包括如下步骤：接收用户对特征向量数据的变换操作，获得变换后的特征向量数据。
其中，接收用户对特征向量数据的变换操作，获得变换后的特征向量数据的过程可以是：接收用户输入的设定变换向量，将特征向量数据与设定变换向量进行点乘，获得变换后的特征向量数据；或者，接收用户输入的设定特征向量数据，将特征向量数据替换为设定特征向量数据，获得变换后的特征向量数据。
其中，设定变换向量可以人为设定的。设定特征向量数据为从样本形象中提取的特征数据，即可以采用样本形象的特征向量数据替换用户最初输入的特征向量数据。
可选的，根据形象特征分割图和特征向量数据获得虚拟形象的方式还可以是：根据形象特征分割图和变换后的特征向量数据获得虚拟形象，或者，根据调整后的形象特征分割图和变换后的特征向量数据获得虚拟形象。
具体的，将形象特征分割图和变换后的特征向量数据输入设定神经网络，或者将调整后的形象特征分割图和变换后的特征向量数据输入设定神经网络，获得虚拟形象。
可选的，还包括如下步骤：检测形象特征分割图是否符合形象构成比例，若不符合，则形象特征分割图异常，并生成第一异常信息以提醒用户。
检测特征向量数据是否出现异常值，若出现，则特征向量数据异常，并生成第二异常信息以提醒用户。
其中，形象构成比例可以是预先设定的各特征的大小比例关系。例如：若眼睛大于嘴巴，则可以认为形象特征分割图异常。异常值可以特征向量数据中超过设定阈值范围的值。设定阈值范围可以采用均值加减2个标准差形成。
本实施例中，在生成虚拟形象时，可以只调整形象特征分割图；或者只变换特征向量数据；或者调整形象特征分割图和变换特征向量数据同时进行。若只调整形象特征分割图，则根据调整后的形象特征分割图和特征向量数据生成虚拟形象；若只变换特征向量数据，则根据形象特征分割图和变换后的特征向量数据生成虚拟形象；若调整后的形象特征分割图和变换后的特征向量数据同时进行，则根据调整后的形象特征分割图和变换后的特征向量数据生成虚拟形象。
示例性的，图3是本公开实施例中的虚拟形象生成过程的示例图。如图3所示，对原始形象图片进行特征分割及提取，获得形象特征分割图以及各形象特征对应的特征向量数据，对形象特征分割图进行中的至少一个特征进行调整，获得调整后的形象特征分割图，对特征向量数据进行变换，获得变换后的特征向量数据；最后将调整后的形象特征分割图和变换后的特征向量数据输入设定神经网络，获得虚拟形象。其中，形象特征分割图还可以通过人工绘制的方式获得，特征向量数据还可以通过随机生成的方式获得。
本公开实施例的技术方案，接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；根据形象特征分割图和特征向量数据获得虚拟形象。本公开实施例公开的虚拟形象的生成方法，基于用户输入的形象特征分割图和各形象特征对应的特征向量数据生成虚拟形象，可以提高虚拟形象的真实性及多样性，降低虚拟形象生成的成本。
图4为本公开实施例提供的一种虚拟形象的生成装置的结构示意图。如图4所示，该装置包括：
形象特征分割图和特征向量数据接收模块410，用于接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
虚拟形象获取模块420，用于根据所述形象特征分割图和所述特征向量数据获得虚拟形象；
可选的，形象特征分割图和特征向量数据接收模块410，还用于：
接收用户输入的原始形象图片；
对所述原始形象图片进行特征识别，并将识别到的各特征进行分割，获得形象特征分割图。
可选的，形象特征分割图和特征向量数据接收模块410，还用于：
提取从所述原始形象图片中识别到的各特征的特征向量，作为特征向量数据。
可选的，还包括：形象特征分割图调整模块，用于：
将所述形象特征分割图在设定界面展示；
接收用户在所述设定界面输入的调整操作；
根据所述调整操作对所述形象特征分割图中的至少一个特征的大小和/或轮廓进行调整；
可选的，虚拟形象获取模块420，还用于：
根据调整后的形象特征分割图和所述特征向量数据获得虚拟形象。
可选的，还包括：特征向量数据生成模块，用于：
基于各形象特征的数据分布随机生成特征向量数据；或者，
提取多个形象样本对应的特征向量样本数据，并对所述多个形象样本对应的特征向量样本数据求取平均值，获得特征向量数据。
可选的，还包括：特征向量数据变换模块，用于：
接收用户对所述特征向量数据的变换操作，获得变换后的特征向量数据；
可选的，虚拟形象获取模块420，还用于：
根据所述形象特征分割图和变换后的特征向量数据获得虚拟形象。
可选的，虚拟形象获取模块420，还用于：
根据调整后的形象特征分割图和变换后的特征向量数据获得虚拟形象。
可选的，特征向量数据变换模块，还用于：
接收用户输入的设定变换向量，将所述特征向量数据与所述设定变换向量进行点乘，获得变换后的特征向量数据；或者，
接收用户输入的设定特征向量数据，将所述特征向量数据替换为所述设定特征向量数据，获得变换后的特征向量数据；所述设定特征向量数据为从样本形象中提取的特征向量数据。
可选的，还包括：第一异常检测模块，用于：
检测所述形象特征分割图是否符合形象构成比例，若不符合，则所述形象特征分割图异常，并生成第一异常信息以提醒用户。
可选的，还包括：第二异常检测模块，用于：
检测所述特征向量数据是否出现异常值，若出现，则所述特征向量数据异常，并生成第二异常信息以提醒用户。
可选的，虚拟形象获取模块420，还用于：
将所述形象特征分割图和所述特征向量数据输入设定神经网络，输出虚拟形象；其中，所述设定神经网络有多层残差模块和上采样模块连接构成。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子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，或者各种形式的服务器，如独立服务器或者服务器集群。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备300，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。
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词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置305被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上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。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
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：接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
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操作的计算机程序代码，上述程序设计语言包括但不限于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。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例，本公开实施例公开了一种虚拟形象的生成方法，包括：
接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
进一步地，接收用户输入的形象特征分割图，包括：
接收用户输入的原始形象图片；
对所述原始形象图片进行特征识别，并将识别到的各特征进行分割，获得形象特征分割图。
进一步地，接收用户输入的各形象特征对应的特征向量数据，包括：
提取从所述原始形象图片中识别到的各特征的特征向量，作为特征向量数据。
进一步地，接收用户输入的形象特征分割图之后，还包括：
将所述形象特征分割图在设定界面展示；
接收用户在所述设定界面输入的调整操作；
根据所述调整操作对所述形象特征分割图中的至少一个特征的大小和/或轮廓进行调整；
相应的，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据调整后的形象特征分割图和所述特征向量数据获得虚拟形象。
进一步地，在接收用户输入的形象特征分割图之前，还包括：
基于各形象特征的数据分布随机生成特征向量数据；或者，
提取多个形象样本对应的特征向量样本数据，并对所述多个形象样本对应的特征向量样本数据求取平均值，获得特征向量数据。
进一步地，在接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据之后，还包括：
接收用户对所述特征向量数据的变换操作，获得变换后的特征向量数据；
相应的，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据所述形象特征分割图和变换后的特征向量数据获得虚拟形象。
进一步地，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据调整后的形象特征分割图和变换后的特征向量数据获得虚拟形象。
进一步地，接收用户对所述特征向量数据的变换操作，获得变换后的特征向量数据，包括：
接收用户输入的设定变换向量，将所述特征向量数据与所述设定变换向量进行点乘，获得变换后的特征向量数据；或者，
接收用户输入的设定特征向量数据，将所述特征向量数据替换为所述设定特征向量数据，获得变换后的特征向量数据；所述设定特征向量数据为从样本形象中提取的特征向量数据。
进一步地，还包括：检测所述形象特征分割图是否符合形象构成比例，若不符合，则所述形象特征分割图异常，并生成第一异常信息以提醒用户。
进一步地，还包括：检测所述特征向量数据是否出现异常值，若出现，则所述特征向量数据异常，并生成第二异常信息以提醒用户。
进一步地，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
将所述形象特征分割图和所述特征向量数据输入设定神经网络，输出虚拟形象；其中，所述设定神经网络有多层残差模块和上采样模块连接构成。
进一步地，所述虚拟形象用于虚拟客服或者虚拟主播。
注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。
Claims (15)
1.一种虚拟形象的生成方法，其特征在于，包括：
接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
2.根据权利要求1所述的方法，其特征在于，接收用户输入的形象特征分割图，包括：
接收用户输入的原始形象图片；
对所述原始形象图片进行特征识别，并将识别到的各特征进行分割，获得形象特征分割图。
3.根据权利要求2所述的方法，其特征在于，接收用户输入的各形象特征对应的特征向量数据，包括：
提取从所述原始形象图片中识别到的各特征的特征向量，作为特征向量数据。
4.根据权利要求1所述的方法，其特征在于，接收用户输入的形象特征分割图之后，还包括：
将所述形象特征分割图在设定界面展示；
接收用户在所述设定界面输入的调整操作；
根据所述调整操作对所述形象特征分割图中的至少一个特征进行调整；
相应的，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据调整后的形象特征分割图和所述特征向量数据获得虚拟形象。
5.根据权利要求1所述的方法，其特征在于，在接收用户输入的形象特征分割图之前，还包括：
基于各形象特征的数据分布随机生成特征向量数据；或者，
提取多个形象样本对应的特征向量样本数据，并对所述多个形象样本对应的特征向量样本数据求取平均值，获得特征向量数据。
6.根据权利要求1或4所述的方法，其特征在于，在接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据之后，还包括：
接收用户对所述特征向量数据的变换操作，获得变换后的特征向量数据；
相应的，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据所述形象特征分割图和变换后的特征向量数据获得虚拟形象。
7.根据权利要求6所述的方法，其特征在于，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
根据调整后的形象特征分割图和变换后的特征向量数据获得虚拟形象。
8.根据权利要求6所述的方法，其特征在于，接收用户对所述特征向量数据的变换操作，获得变换后的特征向量数据，包括：
接收用户输入的设定变换向量，将所述特征向量数据与所述设定变换向量进行点乘，获得变换后的特征向量数据；或者，
接收用户输入的设定特征向量数据，将所述特征向量数据替换为所述设定特征向量数据，获得变换后的特征向量数据；所述设定特征向量数据为从样本形象中提取的特征向量数据。
9.根权利要求1所述的方法，其特征在于，还包括：检测所述形象特征分割图是否符合形象构成比例，若不符合，则所述形象特征分割图异常，并生成第一异常信息以提醒用户。
10.根权利要求1所述的方法，其特征在于，还包括：检测所述特征向量数据是否出现异常值，若出现，则所述特征向量数据异常，并生成第二异常信息以提醒用户。
11.根据权利要求1所述的方法，其特征在于，根据所述形象特征分割图和所述特征向量数据获得虚拟形象，包括：
将所述形象特征分割图和所述特征向量数据输入设定神经网络，输出虚拟形象；其中，所述设定神经网络由多层残差模块和上采样模块连接构成。
12.根据权利要求1所述的方法，其特征在于，所述虚拟形象用于虚拟客服或者虚拟主播。
13.一种虚拟形象的生成装置，其特征在于，包括：
形象特征分割图和特征向量数据接收模块，用于接收用户输入的形象特征分割图以及各形象特征对应的特征向量数据；
虚拟形象获取模块，用于根据所述形象特征分割图和所述特征向量数据获得虚拟形象。
14.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-12中任一所述的虚拟形象的生成方法。
15.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-12中任一所述的虚拟形象的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110126098.5A CN112764649B (zh) | 2021-01-29 | 2021-01-29 | 虚拟形象的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110126098.5A CN112764649B (zh) | 2021-01-29 | 2021-01-29 | 虚拟形象的生成方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112764649A true CN112764649A (zh) | 2021-05-07 |
| CN112764649B CN112764649B (zh) | 2023-01-31 |
Family
ID=75703671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110126098.5A Active CN112764649B (zh) | 2021-01-29 | 2021-01-29 | 虚拟形象的生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112764649B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170352091A1 (en) * | 2014-12-16 | 2017-12-07 | Metail Limited | Methods for generating a 3d virtual body model of a person combined with a 3d garment image, and related devices, systems and computer program products |
| CN109345636A (zh) * | 2018-07-19 | 2019-02-15 | 北京永航科技有限公司 | 获取虚拟人脸图的方法和装置 |
| CN109529358A (zh) * | 2018-11-14 | 2019-03-29 | 腾讯科技（深圳）有限公司 | 特征整合方法和装置及电子装置 |
| CN109859211A (zh) * | 2018-12-28 | 2019-06-07 | 努比亚技术有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
| CN110210501A (zh) * | 2019-06-11 | 2019-09-06 | 北京字节跳动网络技术有限公司 | 虚拟对象生成方法、电子设备及计算机可读存储介质 |
| CN110689480A (zh) * | 2019-09-27 | 2020-01-14 | 腾讯科技（深圳）有限公司 | 一种图像变换方法及装置 |
| CN110782515A (zh) * | 2019-10-31 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 虚拟形象的生成方法、装置、电子设备及存储介质 |
| CN110827379A (zh) * | 2019-10-31 | 2020-02-21 | 北京字节跳动网络技术有限公司 | 虚拟形象的生成方法、装置、终端及存储介质 |
| CN111291700A (zh) * | 2020-02-20 | 2020-06-16 | 苏州科达科技股份有限公司 | 一种人脸属性识别方法、装置、设备及可读存储介质 |
| CN111340913A (zh) * | 2020-02-24 | 2020-06-26 | 北京奇艺世纪科技有限公司 | 图片生成与模型训练方法、装置及存储介质 |
| CN111524207A (zh) * | 2020-04-21 | 2020-08-11 | 腾讯科技（深圳）有限公司 | 基于人工智能的图像生成方法、装置、电子设备 |
| CN111586428A (zh) * | 2020-04-30 | 2020-08-25 | 永康精信软件开发有限公司 | 具有虚拟人物上妆功能的化妆品直播系统及方法 |
| CN111652023A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 嘴型的调整、直播方法、装置、电子设备和存储介质 |
| CN112116684A (zh) * | 2020-08-05 | 2020-12-22 | 中国科学院信息工程研究所 | 图像处理方法、装置、设备及计算机可读存储介质 |
| CN112132979A (zh) * | 2020-09-29 | 2020-12-25 | 支付宝(杭州)信息技术有限公司 | 一种虚拟资源的选取方法、装置及设备 |
-
2021
- 2021-01-29 CN CN202110126098.5A patent/CN112764649B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170352091A1 (en) * | 2014-12-16 | 2017-12-07 | Metail Limited | Methods for generating a 3d virtual body model of a person combined with a 3d garment image, and related devices, systems and computer program products |
| CN109345636A (zh) * | 2018-07-19 | 2019-02-15 | 北京永航科技有限公司 | 获取虚拟人脸图的方法和装置 |
| CN109529358A (zh) * | 2018-11-14 | 2019-03-29 | 腾讯科技（深圳）有限公司 | 特征整合方法和装置及电子装置 |
| CN109859211A (zh) * | 2018-12-28 | 2019-06-07 | 努比亚技术有限公司 | 一种图像处理方法、移动终端及计算机可读存储介质 |
| CN110210501A (zh) * | 2019-06-11 | 2019-09-06 | 北京字节跳动网络技术有限公司 | 虚拟对象生成方法、电子设备及计算机可读存储介质 |
| CN111652023A (zh) * | 2019-07-05 | 2020-09-11 | 广州虎牙科技有限公司 | 嘴型的调整、直播方法、装置、电子设备和存储介质 |
| CN110689480A (zh) * | 2019-09-27 | 2020-01-14 | 腾讯科技（深圳）有限公司 | 一种图像变换方法及装置 |
| CN110782515A (zh) * | 2019-10-31 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 虚拟形象的生成方法、装置、电子设备及存储介质 |
| CN110827379A (zh) * | 2019-10-31 | 2020-02-21 | 北京字节跳动网络技术有限公司 | 虚拟形象的生成方法、装置、终端及存储介质 |
| CN111291700A (zh) * | 2020-02-20 | 2020-06-16 | 苏州科达科技股份有限公司 | 一种人脸属性识别方法、装置、设备及可读存储介质 |
| CN111340913A (zh) * | 2020-02-24 | 2020-06-26 | 北京奇艺世纪科技有限公司 | 图片生成与模型训练方法、装置及存储介质 |
| CN111524207A (zh) * | 2020-04-21 | 2020-08-11 | 腾讯科技（深圳）有限公司 | 基于人工智能的图像生成方法、装置、电子设备 |
| CN111586428A (zh) * | 2020-04-30 | 2020-08-25 | 永康精信软件开发有限公司 | 具有虚拟人物上妆功能的化妆品直播系统及方法 |
| CN112116684A (zh) * | 2020-08-05 | 2020-12-22 | 中国科学院信息工程研究所 | 图像处理方法、装置、设备及计算机可读存储介质 |
| CN112132979A (zh) * | 2020-09-29 | 2020-12-25 | 支付宝(杭州)信息技术有限公司 | 一种虚拟资源的选取方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112764649B (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766777B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
| CN112989904B (zh) | 风格图像生成方法、模型训练方法、装置、设备和介质 | |
| CN111784566B (zh) | 图像处理方法、迁移模型训练方法、装置、介质及设备 | |
| CN110782515A (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
| CN114331820A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN111414879A (zh) | 人脸遮挡程度识别方法、装置、电子设备及可读存储介质 | |
| CN112581635B (zh) | 一种通用的快速换脸方法、装置、电子设备和存储介质 | |
| CN112785669B (zh) | 一种虚拟形象合成方法、装置、设备及存储介质 | |
| CN110689546A (zh) | 个性化头像的生成方法、装置、设备及存储介质 | |
| CN114004905A (zh) | 人物风格形象图的生成方法、装置、设备及存储介质 | |
| CN114913061A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
| CN115311178A (zh) | 图像拼接方法、装置、设备及介质 | |
| CN118212687A (zh) | 人体姿势图像生成方法、装置、设备及介质 | |
| CN114049417B (zh) | 虚拟角色图像的生成方法、装置、可读介质及电子设备 | |
| CN113808249B (zh) | 图像处理方法、装置、设备和计算机存储介质 | |
| CN114422698A (zh) | 视频生成方法、装置、设备及存储介质 | |
| CN113850212A (zh) | 图像生成方法、装置、设备及存储介质 | |
| WO2023143118A1 (zh) | 图像处理方法、装置、设备及介质 | |
| CN110059739B (zh) | 图像合成方法、装置、电子设备和计算机可读存储介质 | |
| CN115953597B (zh) | 图像处理方法、装置、设备及介质 | |
| CN112764649B (zh) | 虚拟形象的生成方法、装置、设备及存储介质 | |
| CN110619602A (zh) | 一种图像生成方法、装置、电子设备及存储介质 | |
| CN116188251A (zh) | 模型构建方法、虚拟形象生成方法、装置、设备、介质 | |
| US20240135972A1 (en) | Image processing method, apparatus, device and storage medium | |
| CN115953504A (zh) | 特效处理方法、装置、电子设备及存储介质 |
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 |