CN112785669B - 一种虚拟形象合成方法、装置、设备及存储介质 - Google Patents

Abstract

本公开实施例公开了一种虚拟形象合成方法、装置、设备及存储介质。该方法包括：获取虚拟形象驱动参数和包含虚拟形象的图片样本，虚拟形象驱动参数包括头部姿态参数和表情参数；将虚拟形象驱动参数及图片样本输入预先训练的形象合成网络，由形象合成网络输出包含目标虚拟形象的图片；形象合成网络包括头部姿态调整模块和表情调整模块，头部姿态调整模块根据虚拟形象驱动参数调整虚拟形象的头部姿态；表情调整模块根据虚拟形象驱动参数调整虚拟形象的表情。该方案无需构建三维模型，简化了合成步骤，利用形象合成网络的头部姿态调整模块调整虚拟形象的头部姿态，再利用表情调整模块调整虚拟形象的表情，提高了虚拟形象合成结果的准确度。

Description

一种虚拟形象合成方法、装置、设备及存储介质

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合成方法、装置、设备及存储介质。

背景技术

虚拟形象是在现实中不存在的形象，可以存在于电视剧、漫画、游戏等作品中，是在电视剧、漫画、游戏等作品中虚构的人物。

在合成虚拟形象时，传统的方式是根据每一张包含虚拟形象的图片构建对应的三维模型，在三维模型的基础上调整对应的参数，得到目标虚拟形象，过程复杂，而且合成的目标虚拟形象通常存在较大的变形或失真，影响使用效果。

公开内容

本公开实施例提供一种虚拟形象合成方法、装置、设备及存储介质，可以简化虚拟形象的合成操作，提高虚拟形象的合成质量。

第一方面，本公开实施例提供了一种虚拟形象合成方法，包括：

获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

第二方面，本公开实施例还提供了一种虚拟形象合成装置，包括：

获取模块，用于获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

确定模块，用于将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

第三方面，本公开实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储器，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器执行时实现如第一方面所述的虚拟形象合成方法。

第四方面，本公开实施例还提供了一种计算机可读存储介质，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所述的虚拟形象合成方法。

本公开实施例提供一种虚拟形象合成方法、装置、设备及存储介质，通过获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。上述方案可以利用形象合成网络调整图片样本中的虚拟形象，得到包含目标虚拟形象的图片，无需构建图片样本中虚拟形象的三维模型，简化了虚拟形象的合成步骤，其次利用形象合成网络的头部姿态调整模块调整虚拟形象的头部姿态，在此基础上再利用表情调整模块调整虚拟形象的表情，提高了虚拟形象合成结果的准确度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例一提供的一种虚拟形象合成方法的流程图；

图2为本公开实施例二提供的一种虚拟形象合成方法的流程图；

图3为本公开实施例二提供的一种虚拟形象合成方法的实现过程示意图；

图4为本公开实施例二提供的一种单张图片包含多个虚拟形象的示意图；

图5为本公开实施例三提供的一种虚拟形象合成装置的结构图；

图6为本公开实施例四提供的一种电子设备的结构图。

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对象进行区分，并非用于限定这些对象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。

实施例一

图1为本公开实施例一提供的一种虚拟形象合成方法的流程图，本实施例可适用于合成虚拟形象的情况。该方法可以虚拟形象合成装置来执行，该装置可以采用软件和/或硬件的方式实现，并可配置在具备数据处理功能的电子设备中。如图1所示，该方法具体包括如下步骤：

S110、获取虚拟形象驱动参数和包含虚拟形象的图片样本。

其中，所述虚拟形象驱动参数包括头部姿态参数和表情参数。虚拟形象驱动参数用于调整图片样本中的虚拟形象，使其与虚拟形象驱动参数保持一致，以满足应用需求，可以包括但不限于头部姿态参数和表情参数，本实施例以虚拟形象驱动参数包括头部姿态参数和表情参数为例。头部姿态参数用于调整虚拟形象的头部姿态，例如可以调整虚拟形象头部的旋转角度，头部的旋转角度可以包括头部的俯仰角度pitch、偏航角度yaw以及翻滚角度roll等。表情姿态参数用于调整虚拟形象的表情，例如可以调整虚拟形象的左眼、右眼以及嘴巴等张开的大小。实施例对虚拟形象驱动参数的获取过程不进行限定，例如可以从参数数据库中获取预先存储的头部姿态参数和表情参数，作为虚拟形象驱动参数，参数数据库用于存储虚拟形象驱动参数以及满足其他需求的参数，也可以通过图像识别的方式获取样本图片中样本形象的头部姿态和表情，作为虚拟形象驱动参数，当然还可以采用其他方式获取虚拟形象驱动参数，实施例不进行限定。

图片样本可以是包含虚拟形象的图片，虚拟形象为现实中不存在的形象，例如可以是应用在电视剧、漫画、游戏等作品中的卡通或动漫形象。可选的，可以从本地图片库中获取包含卡通或动漫形象的图片作为图片样本，也可以通过网页在线获取包含卡通或动漫形象的图片作为图片样本，还可以从卡通或动漫视频中截取一帧作为图片样本。图片样本中可以包含一个虚拟形象，也可以包含多个虚拟形象。当图片样本包含多个虚拟形象时，可以根据需要从多个虚拟形象中选择一个，利用虚拟形象驱动参数驱动所选择的虚拟形象，从而可以驱动图片样本中某一个特定的虚拟形象，也可以针对每一个虚拟形象选择对应的虚拟形象驱动参数，从而可以驱动图片样本中的多个虚拟形象。

S120、将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片。

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。形象合成网络用于根据头部姿态参数和表情参数调整图片样本中虚拟形象的头部姿态和表情，并输出满足头部姿态参数和表情参数的图片，无需针对图片样本中的虚拟形象额外构建三维模型，简化了操作，而且利用头部姿态参数和表情参数直接调整二维虚拟形象的头部姿态和表情，使得调整后的头部姿态和表情更能满足用户的需求，提高了合成结果的准确性和真实性。

本实施例的形象合成网络可以包括头部姿态调整模块和表情调整模块，头部姿态调整模块和表情调整模块串联。可选的，头部姿态调整模块可以由卷积层和反卷积层堆叠而成。卷积层和反卷积层的数量可以根据实际需要设定。与头部姿态调整模块类似，表情调整模块也可以由卷积层和反卷积层堆叠而成，卷积层和反卷积层的数量也可以根据实际需要设定。卷积层用于提取虚拟形象的特征，随着梯度的下降可以提取出虚拟形象的主要特征，例如本实施例通过一系列的卷积层可以提取虚拟形象头部的旋转角度，在后续调整虚拟形象的头部姿态时可以提高准确性。反卷积层用于根据当前虚拟形象的特征还原图片样本，防止调整后的虚拟形象存在较大的变形或失真，提高合成结果的真实性。实际应用之前，可以对形象合成网络进行训练，以确定各模块中卷积层和反卷积层的参数，后续可以直接利用训练好的形象合成网络调整虚拟形象的头部姿态和表情，使调整后的虚拟形象满足使用需求。实施例对形象合成网络的具体训练过程不进行限定。

可选的，可以将虚拟形象驱动参数和图片样本输入训练好的形象合成网络，由形象合成网络的头部姿态调整模块对图片样本执行卷积操作，得到第一卷积图片，并基于头部姿态参数和表情参数调整第一卷积图片中虚拟形象的头部姿态，然后对调整后的第一卷积图片执行反卷积操作，得到相同大小的图片，实施例将该图片称为第一形象图片。在此基础上，利用表情调整模块对第一形象图片执行卷积操作，得到第二卷积图片，并基于头部姿态参数和表情参数调整第二卷积图片中虚拟形象的表情，然后对调整后的第二卷积图片执行反卷积操作，得到相同大小的图片，作为最终的结果输出。整个过程无需构建三维模型即可输出任意包含卡通或动漫形象的图片，操作简单，图片质量较高。当然也可以先调整虚拟形象的表情，再调整虚拟形象的头部姿态，过程类似。

本公开实施例一提供一种虚拟形象合成方法，通过获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。上述方案可以利用形象合成网络调整图片样本中的虚拟形象，得到包含目标虚拟形象的图片，无需构建图片样本中虚拟形象的三维模型，简化了虚拟形象的合成步骤，其次利用形象合成网络的头部姿态调整模块调整虚拟形象的头部姿态，在此基础上再利用表情调整模块调整虚拟形象的表情，提高了虚拟形象合成结果的准确度。

实施例二

图2为本公开实施例二提供的一种虚拟形象合成方法的流程图，本实施例是在上述实施例的基础上进行优化，参考图2，该方法可以包括如下步骤：

S210、获取虚拟形象驱动参数和包含虚拟形象的图片样本。

在一个示例中，可以基于样本形象获取虚拟形象驱动参数，例如可以获取包含样本形象的图片；识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数和表情参数，作为虚拟形象驱动参数。样本形象可以是现实中存在的形象，包含样本形象的图片可以是网络或本地存储的图片，也可以是由摄像头实时采集样本形象得到的图片。该图片中可以包含一个样本形象，也可以包含多个样本形象，当包含多个样本形象时，可以确定面积最大的样本形象，并基于面积最大的样本形象获取虚拟形象驱动参数。可选的，可以通过图像识别的方式识别该图片包含的样本形象以及该样本形象的头部姿态和表情，将头部姿态和表情对应的参数作为虚拟形象驱动参数，从而实现利用真实形象驱动卡通或动漫形象，得到具有动漫效果的动画。

在一个示例中，可以基于文本获取虚拟形象驱动参数，例如可以获取待识别文本，并将所述待识别文本转换成音频；根据所述音频的语音特征生成头部姿态参数和表情参数，得到虚拟形象驱动参数。待识别文本可以是包含文字、分隔符等的文本，可以从网页或本地获取，实施例对文字的语言类型不进行限定，例如可以是中文、英文和日语等中的一种或多种。待识别文本可以是多人对话的文本或独白文本等，多人对话的文本可以包括微电影、话剧、小品等剧本，独白文本可以包括新闻稿等。考虑到文本缺少表达信息，为了提高虚拟形象驱动参数的准确性，可选的，可以将待识别文本转换成音频，基于音频的语音特征获取虚拟形象驱动参数。可选的，可以将待识别文本输入文本语音转换模型进行文本到语音的转换，文本语音转换模型可以基于TTS(Text to Speech，从文本到语音)实现。音频的语音特征可以包括音频的语调、音量、音长、音色以及停顿频率等特征，基于该特征可以生成虚拟形象的运动轨迹，基于该运动轨迹可以确定头部、眼睛、嘴巴等关键点的坐标，得到头部姿态参数和表情参数，从而实现利用文本驱动虚拟形象，得到具有动漫效果的动画。

在一个示例中，可以直接利用已有的音频获取头部姿态参数和表情参数，进而驱动虚拟形象。音频可以从网页或本地获取，也可以由录音设备或语音采集设备实时采集。

在一个示例中，可以基于样本形象和待识别文本获取头部姿态参数和表情参数。可选的，可以获取包含样本形象的图片和与所述样本形象对应的待识别文本；识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数；将所述待识别文本转换成音频，并根据所述音频的语音特征生成表情参数；将所述头部姿态参数和表情参数作为虚拟形象驱动参数。其中，与样本形象对应的待识别文本可以是样本形象当前朗读的文本。可以理解的是，样本形象在朗读待识别文本时，通常可以根据具体的场景和文本内容相应的调整头部的姿态，本实施例在样本形象朗读文本时，采集样本形象的图像，并通过识别图像中的样本形象，得到头部姿态参数，可以提高头部姿态参数的准确性和真实性。可以理解的是，对于待识别文本中的一些表情，样本形象可能无法很好的表现出来，为了提高表情的准确度，本实施例利用待识别文本提取表情参数，以提高表情参数的准确性和真实性，提取过程可以参考上述实施例。通过包含样本形象的图片获取头部姿态参数，通过待识别文本提取头部姿态对应的表情参数，可以提高虚拟形象驱动参数的准确性，在利用虚拟形象驱动参数驱动卡通或动漫形象时，可以提高动画质量。

在一个示例中，可以从常用的虚拟形象驱动参数中选择满足需求的虚拟形象驱动参数，合成目标虚拟形象。例如可以获取预存储的动画模板，得到虚拟形象驱动参数，所述动画模板包含头部姿态参数和表情参数。动画模板对应的头部姿态参数和表情参数可以存储在参数数据库中。

S220、确定所述头部姿态参数的第一权重和所述表情参数的第二权重。

其中，所述第一权重大于所述第二权重。本实施例在利用虚拟形象驱动参数合成目标虚拟形象时，可以有针对性的调整虚拟形象，例如可以先调整虚拟形象的头部姿态，在此基础上再调整虚拟形象的表情，在节省时间的同时可以提高头部姿态和表情的准确性。当然也可以先调整虚拟形象的表情，再调整虚拟形象的头部姿态，实施例以前者为例。为了实现上述针对性的调整，实施例设置了第一权重和第二权重，以在调整虚拟形象的头部姿态时，可以降低对表情的影响。实施例对第一权重和第二权重的具体数值不进行限定。

S230、根据所述第一权重对所述头部姿态参数加权以及根据所述第二权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述图片样本输入所述头部姿态调整模块，以调整所述虚拟形象对应的头部姿态，使所述虚拟形象对应的头部姿态与加权后的头部姿态参数一致，得到第一形象图片。

形象合成网络中头部姿态调整模块和表情调整模块的数量可以是一个或多个，当头部姿态调整模块和表情调整模块有多个时，在一定程度上可能会提高目标虚拟形象的准确性，但会增加计算时间。本实施例以一个头部姿态调整模块和一个表情调整模块为例。具体的，将加权后的头部姿态参数和表情参数以及图片样本输入头部姿态调整模块，即可利用头部姿态调整模块调整图片样本中虚拟形象的头部姿态，使其满足需求。

S240、确定所述头部姿态参数的第三权重和所述表情参数的第四权重。

其中，所述第三权重小于所述第四权重。第三权重和第四权重用于针对性的调整虚拟形象的表情，并降低本次调整对头部姿态的影响。实施例对第三权重和第四权重的具体数值不进行限定。

S250、根据所述第三权重对所述头部姿态参数加权以及根据所述第四权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述第一形象图片输入所述表情调整模块，以调整所述第一形象图片中虚拟形象的表情，使所述第一形象图片中虚拟形象的表情与加权后的表情参数一致，得到包含目标虚拟形象的图片。

表情的调整过程与头部姿态类似，此处不再赘述。

示例性的，参考图3，图3为本公开实施例二提供的一种虚拟形象合成方法的实现过程示意图。形象合成网络以包含一个头部姿态调整模块和一个表情调整模块为例。头部姿态调整模块由编码器和解码器组成，编码器由多个卷积层堆叠而成，解码器由多个反卷积层堆叠而成。表情调整模块类似。虚拟形象驱动参数为6*1维，前三个可以为头部姿态参数，用于调整虚拟形象的头部姿态，后三个可以为表情参数，用于调整虚拟形象的表情。本实施例输入单张虚拟图片样本和虚拟形象驱动参数，即可由形象合成网络输出任意包含目标虚拟形象的图片，操作简单，准确性高。

本公开实施例二提供一种虚拟形象合成方法，在上述实施例的基础上可以利用真实形象、文本/语音、真实形象和文本或者动画模板驱动卡通或动漫形象，得到动画形象，操作简单，无需预先构建三维模型，利用形象合成网络调整卡通或动漫形象的头部姿态和表情，提高了动画形象的质量。

通过上述方案可以合成一张目标虚拟形象图片输出，也可以连续的输入虚拟形象驱动参数，将多帧目标虚拟形象图片合成一个视频输出。可选的，当利用真实形象驱动虚拟形象时，如果相关图片中包含多个真实形象，也可以利用多个真实形象分别驱动对应的虚拟形象，将多个真实形象对应的虚拟形象合成在一张图片中输出，各虚拟形象在图片中的位置与对应的真人形象在原图片中的位置相同。参考图4，图4为本公开实施例二提供的一种单张图片包含多个虚拟形象的示意图，该图片的每一个虚拟形象对应真实形象图片中的一个真实形象，各虚拟形象在图片中的位置与对应真实形象在真实形象图片中的位置相同。

实施例三

图5为本公开实施例三提供的一种虚拟形象合成装置的结构图，该装置可以执行上述实施例所述的虚拟形象合成方法，参考图5，该装置可以包括：

获取模块31，用于获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

确定模块32，用于将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

本公开实施例三提供一种虚拟形象合成装置，通过获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。上述方案可以利用形象合成网络调整图片样本中的虚拟形象，得到包含目标虚拟形象的图片，无需构建图片样本中虚拟形象的三维模型，简化了虚拟形象的合成步骤，其次利用形象合成网络的头部姿态调整模块调整虚拟形象的头部姿态，在此基础上再利用表情调整模块调整虚拟形象的表情，提高了虚拟形象合成结果的准确度。

在上述实施例的基础上，确定模块32，具体用于：

确定所述头部姿态参数的第一权重和所述表情参数的第二权重，所述第一权重大于所述第二权重；

根据所述第一权重对所述头部姿态参数加权以及根据所述第二权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述图片样本输入所述头部姿态调整模块，以调整所述虚拟形象对应的头部姿态，使所述虚拟形象对应的头部姿态与加权后的头部姿态参数一致，得到第一形象图片。

在上述实施例的基础上，确定模块32，具体用于：

确定所述头部姿态参数的第三权重和所述表情参数的第四权重，所述第三权重小于所述第四权重；

根据所述第三权重对所述头部姿态参数加权以及根据所述第四权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述第一形象图片输入所述表情调整模块，以调整所述第一形象图片中虚拟形象的表情，使所述第一形象图片中虚拟形象的表情与加权后的表情参数一致，得到包含目标虚拟形象的图片。

在上述实施例的基础上，获取模块31，具体用于：

获取包含样本形象的图片；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数和表情参数，作为虚拟形象驱动参数。

在上述实施例的基础上，获取模块31，具体用于：

获取待识别文本，并将所述待识别文本转换成音频；

根据所述音频的语音特征生成头部姿态参数和表情参数，得到虚拟形象驱动参数。

在上述实施例的基础上，获取模块31，具体用于：

获取包含样本形象的图片和与所述样本形象对应的待识别文本；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数；

将所述待识别文本转换成音频，并根据所述音频的语音特征生成表情参数；

将所述头部姿态参数和表情参数作为样本形象驱动参数。

在上述实施例的基础上，获取模块31，具体用于：

获取预存储的动画模板，得到虚拟形象驱动参数，所述动画模板包含头部姿态参数和表情参数。

本公开实施例提供的虚拟形象合成装置与上述实施例提供的虚拟形象合成方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行虚拟形象合成方法相同的有益效果。

实施例四

下面参考图6，其示出了适于用来实现本公开实施例的电子设备600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。图6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6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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，其包括承载在非暂态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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

实施例五

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：获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

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，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取虚拟形象驱动参数和包含虚拟形象的图片样本的模块”。

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。

根据本公开的一个或多个实施例，本公开提供了一种虚拟形象合成方法，包括：

获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片，包括：

确定所述头部姿态参数的第一权重和所述表情参数的第二权重，所述第一权重大于所述第二权重；

根据所述第一权重对所述头部姿态参数加权以及根据所述第二权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述图片样本输入所述头部姿态调整模块，以调整所述虚拟形象对应的头部姿态，使所述虚拟形象对应的头部姿态与加权后的头部姿态参数一致，得到第一形象图片。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片，包括：

确定所述头部姿态参数的第三权重和所述表情参数的第四权重，所述第三权重小于所述第四权重；

根据所述第三权重对所述头部姿态参数加权以及根据所述第四权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述第一形象图片输入所述表情调整模块，以调整所述第一形象图片中虚拟形象的表情，使所述第一形象图片中虚拟形象的表情与加权后的表情参数一致，得到包含目标虚拟形象的图片。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述获取虚拟形象驱动参数，包括：

获取包含样本形象的图片；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数和表情参数，作为虚拟形象驱动参数。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述获取虚拟形象驱动参数，包括：

获取待识别文本，并将所述待识别文本转换成音频；

根据所述音频的语音特征生成头部姿态参数和表情参数，得到虚拟形象驱动参数。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述获取虚拟形象驱动参数，包括：

获取包含样本形象的图片和与所述样本形象对应的待识别文本；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数；

将所述待识别文本转换成音频，并根据所述音频的语音特征生成表情参数；

将所述头部姿态参数和表情参数作为虚拟形象驱动参数。

根据本公开的一个或多个实施例，本公开提供的虚拟形象合成方法中，所述获取虚拟形象驱动参数，包括：

获取预存储的动画模板，得到虚拟形象驱动参数，所述动画模板包含头部姿态参数和表情参数。

根据本公开的一个或多个实施例，本公开提供了一种虚拟形象合成装置，包括：

获取模块，用于获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

确定模块，用于将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于根据所述头部姿态参数和表情参数调整所述虚拟形象对应的头部姿态，得到第一形象图片；所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

根据本公开的一个或多个实施例，本公开提供了一种电子设备，包括：

一个或多个处理器；

存储器，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器执行时实现如本公开任一所述的虚拟形象合成方法。

根据本公开的一个或多个实施例，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开任一所述的虚拟形象合成方法。

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。例如上述特征与本公开中公开的(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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (9)

1.一种虚拟形象合成方法，其特征在于，包括：

获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

其中，所述图片样本中包含一个或多个虚拟形象，当所述图片样本包含多个所述虚拟形象时，针对每一个所述虚拟形象选择对应的所述虚拟形象驱动参数驱动所述图片样本中的多个所述虚拟形象；

将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于确定所述头部姿态参数的第一权重和所述表情参数的第二权重，所述第一权重大于所述第二权重；根据所述第一权重对所述头部姿态参数加权以及根据所述第二权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述图片样本输入所述头部姿态调整模块，以调整所述虚拟形象对应的头部姿态，使所述虚拟形象对应的头部姿态与加权后的头部姿态参数一致，得到第一形象图片；

所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

2.根据权利要求1所述的方法，其特征在于，所述根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片，包括：

确定所述头部姿态参数的第三权重和所述表情参数的第四权重，所述第三权重小于所述第四权重；

根据所述第三权重对所述头部姿态参数加权以及根据所述第四权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述第一形象图片输入所述表情调整模块，以调整所述第一形象图片中虚拟形象的表情，使所述第一形象图片中虚拟形象的表情与加权后的表情参数一致，得到包含目标虚拟形象的图片。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述获取虚拟形象驱动参数，包括：

获取包含样本形象的图片；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数和表情参数，作为虚拟形象驱动参数。

4.根据权利要求1-2任一项所述的方法，其特征在于，所述获取虚拟形象驱动参数，包括：

获取待识别文本，并将所述待识别文本转换成音频；

根据所述音频的语音特征生成头部姿态参数和表情参数，得到虚拟形象驱动参数。

5.根据权利要求1-2任一项所述的方法，其特征在于，所述获取虚拟形象驱动参数，包括：

获取包含样本形象的图片和与所述样本形象对应的待识别文本；

识别所述图片中的样本形象，得到所述样本形象对应的头部姿态参数；

将所述待识别文本转换成音频，并根据所述音频的语音特征生成表情参数；

将所述头部姿态参数和表情参数作为虚拟形象驱动参数。

6.根据权利要求1-2任一项所述的方法，其特征在于，所述获取虚拟形象驱动参数，包括：

获取预存储的动画模板，得到虚拟形象驱动参数，所述动画模板包含头部姿态参数和表情参数。

7.一种虚拟形象合成装置，其特征在于，包括：

获取模块，用于获取虚拟形象驱动参数和包含虚拟形象的图片样本，所述虚拟形象驱动参数包括头部姿态参数和表情参数；

其中，所述图片样本中包含一个或多个虚拟形象，当所述图片样本包含多个所述虚拟形象时，针对每一个所述虚拟形象选择对应的所述虚拟形象驱动参数驱动所述图片样本中的多个所述虚拟形象；

确定模块，用于将所述头部姿态参数和表情参数以及所述图片样本输入预先训练的形象合成网络，由所述形象合成网络输出包含目标虚拟形象的图片；

其中，所述形象合成网络包括头部姿态调整模块和表情调整模块，所述头部姿态调整模块用于确定所述头部姿态参数的第一权重和所述表情参数的第二权重，所述第一权重大于所述第二权重；根据所述第一权重对所述头部姿态参数加权以及根据所述第二权重对所述表情参数加权，并将加权后的头部姿态参数和表情参数以及所述图片样本输入所述头部姿态调整模块，以调整所述虚拟形象对应的头部姿态，使所述虚拟形象对应的头部姿态与加权后的头部姿态参数一致，得到第一形象图片；

所述表情调整模块用于根据所述头部姿态参数和表情参数调整所述第一形象图片中虚拟形象的表情，得到包含目标虚拟形象的图片。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，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器执行时实现如权利要求1-6任一项所述的虚拟形象合成方法。

9.一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，该程序被处理器执行时实现如权利要求1-6任一项所述的虚拟形象合成方法。