CN112837213A - 脸型调整图像生成方法、模型训练方法、装置和设备 - Google Patents

Abstract

本公开实施例涉及一种脸型调整图像生成方法、模型训练方法、装置和设备，其中该脸型调整图像生成方法包括：获取原始脸部图像；利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像；其中，脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数。本公开实施例丰富了终端中的图像编辑功能，提升了应用程序的趣味性，为用户提供了比较新颖的特效玩法。

Description

脸型调整图像生成方法、模型训练方法、装置和设备

技术领域

本公开涉及图像处理技术领域，尤其涉及一种脸型调整图像生成方法、模型训练方法、装置和设备。

背景技术

目前，随着视频交互应用的功能逐渐丰富化，图像风格转换成为了一种新的趣味性玩法。图像风格转换是指将一幅或者多幅图像进行风格转换，生成符合用户需求的风格图像。

然而，现有的视频交互应用中支持的风格转换类型仍然有限，不能满足用户的个性化图像风格转换需求。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种脸型调整图像生成方法、模型训练方法、装置和设备。

第一方面，本公开实施例提供了一种脸型调整图像生成方法，包括：

获取原始脸部图像；

利用预先训练的脸型调整模型，得到与所述原始脸部图像对应的脸型调整图像；

其中，所述脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

第二方面，本公开实施例还提供了一种脸型调整模型训练方法，包括：

获取第一脸部样本图像和第二脸部样本图像；

基于所述第一脸部样本图像、所述第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；

其中，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸型调整模型用于得到与原始脸部图像对应的脸型调整图像，所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

第三方面，本公开实施例还提供了一种脸部图像生成装置，包括：

原始脸部图像获取模块，用于获取原始脸部图像；

脸型调整图像生成模块，用于利用预先训练的脸型调整模型，得到与所述原始脸部图像对应的脸型调整图像；

其中，所述脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

第四方面，本公开实施例还提供了一种脸型调整模型训练装置，包括：

样本图像获取模块，用于获取第一脸部样本图像和第二脸部样本图像；

模型训练模块，用于基于所述第一脸部样本图像、所述第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；

其中，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸型调整模型用于得到与原始脸部图像对应的脸型调整图像，所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

第五方面，本公开实施例还提供了一种电子设备，包括存储器和处理器，其中：所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得电子设备实现本公开实施例提供的任一所述的脸型调整图像生成方法或者脸型调整模型训练方法。

第六方面，本公开实施例还提供了一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被计算设备执行时，使得所述计算设备实现本公开实施例提供的任一所述的脸型调整图像生成方法或者脸型调整模型训练方法。

本公开实施例提供的技术方案与现有技术相比至少具有如下优点：

在本公开实施例中，预先训练脸型调整模型，然后利用该模型得到与原始脸部图像对应的脸型调整图像，例如瘦脸图像或者胖脸图像，丰富了终端中的图像编辑功能，以视频交互类应用程序为例，脸型调整模型的调用，不仅丰富了应用程序的图像编辑功能，还能提升了应用程序的趣味性，为用户提供了比较新颖的特效玩法，进而提高了用户的使用体验。并且，通过模型训练，脸型调整图像能够学习到不同脸型的脸部特征之间的映射关系，从而能够在改变脸部轮廓的过程中，对脸部的其他特征也进行适应性调整，使得脸部特征与调整后的脸型相匹配，展示较高的图像效果，例如面部展现效果较为自然化，提高了生成脸型调整图像的智能化，提升了特效展示效果。

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。

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的一种脸型调整图像生成方法的流程图；

图2为本公开实施例提供的一种脸型调整模型训练方法的流程图；

图3为本公开实施例提供的一种脸型调整图像生成装置的结构示意图；

图4为本公开实施例提供的一种脸型调整模型训练装置的结构示意图；

图5为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

图1为本公开实施例提供的一种脸型调整图像生成方法的流程图，该方法可以脸型调整图像生成装置执行，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上，例如移动终端、平板电脑、笔记本电脑等终端。

并且，脸型调整图像生成装置可以采用独立的应用程序或者公众平台上集成的小程序的形式实现，还可以作为具有脸型调整图像生成功能的应用程序或者小程序中集成的功能模块实现，该应用程序或者小程序可以包括但不限于视频交互类应用程序或者视频交互类小程序等。

如图1所示，本公开实施例提供的脸型调整图像生成方法可以包括：

S101、获取原始脸部图像。

其中，原始脸部图像是指未进行脸型调整的原始图像，可以包括任意对象的脸部图像，例如人脸图像、动物脸图像等。示例性的，当用户存在生成脸型调整图像的需求时，可以上传存储在终端中的图像或者通过终端的图像拍摄装置实时拍摄图像或者视频，终端根据用户在终端中的图像选择操作、图像拍摄操作或图像上传操作，获取待处理的原始脸部图像。

以通过在视频交互类应用程序中调用终端摄像头进行原始脸部图像拍摄为例，应用程序跳转到图像采集界面后，可以在图像采集界面上展示拍照提示信息，该拍照提示信息可以用于提示将拍摄对象的脸部置于终端屏幕上的预设位置(例如屏幕中间位置等)、调整脸部距离终端屏幕的距离(调整该距离可以得到合适大小的脸部区域，避免脸部区域过大或者过小等)以及调整脸部的旋转角度(不同的旋转角度对应不同的脸部朝向，例如正脸或者侧脸等)等信息中的至少一种；根据拍照提示信息，进行图像拍摄，从而使得应用程序可以便捷得到符合模型输入的原始脸部图像。进一步的，应用程序还可以根据模型输入要求的图像条件预先存储拍照模板，该拍照模板预先定义了脸部在图像上的位置、图像上脸部区域的大小、脸部角度、图像尺寸等信息，应用程序可以根据用户的拍照操作，利用该拍照模板获得所需的原始脸部图像。

当然，当拍摄得到的原始脸部图像与模型输入要求的图像条件(例如图像上的脸部位置、图像尺寸等)存在差异时，可以对拍摄得到的原始脸部图像进行裁剪、缩放、旋转等操作处理，以得到符合模型输入的原始脸部图像。

S102、利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像。

其中，脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，第一脸部样本图像对应的脸部参数为最小脸部参数，例如取值可以为0，第二脸部样本图像对应的脸部参数为最大脸部参数，例如取值可以为1，即第一脸部样本图像和第二脸部样本图像分别对应不同的脸型。例如，如果第一脸部样本图像对应标准脸型的脸部图像，则第二脸部样本图像可以对应脸型偏瘦或者脸型偏胖的脸部图像。在模型训练过程中，脸部参数可以设置为最小脸部参数和最大脸部参数之间的任意值。关于脸型调整模型的具体训练实现方式，本公开实施例不作具体限定，在确保最终训练得到的模型具有生成脸型调整图像的功能的基础上，本领域技术人员可以采用任意可用的训练方式以及灵活选择可用的模型结构。

脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。例如最小脸部参数所表示的调整程度为无调整(即脸型无变化)，最大脸部参数所表示的调整程度为最胖或者最瘦，则脸部调整图像相对原始脸部图像的调整程度可以处于脸型无调整至最胖这个范围，或者处于脸型无调整至最瘦这个范围，其中包括调整程度为最胖或者最瘦的情况。

利用脸型调整模型得到的脸型调整图像对应的脸部参数，与模型训练阶段预设的脸部参数相同，即下发至终端中的任一脸型调整模型对原始脸部图像的脸型调整程度是确定的。模型训练阶段预设的脸部参数越大，则训练得到的脸型调整模型对原始脸部图像的脸型调整程度越大；模型训练阶段预设的脸部参数越小，则训练得到的脸型调整模型对原始脸部图像的脸型调整程度越小。并且，模型训练阶段使用的样本图像的类型与模型应用阶段待处理的原始脸部图像的类型相同，例如，模型训练阶段使用的样本图像为人脸图像，则模型应用阶段待处理的原始脸部图像也为人脸图像，从而可以保证较高的图像生成效果。

以视频交互类应用程序为例，可以为用户提供多个关于脸型调整的道具，各个道具对应不同脸部参数下的脸型调整模型，使得用户可以根据图像生成需求确定选用的道具，进而得到符合图像生成需求的脸型调整图像，增加图像生成的趣味性。

在本公开实施例中，可选的，脸型调整模型包括瘦脸调整模型或胖脸调整模型；

相应的，利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像，包括：

利用瘦脸调整模型，得到与原始脸部图像对应的脸型变瘦后的脸型调整图像；或者

利用胖脸调整模型，得到与原始脸部图像对应的脸型变胖后的脸型调整图像。

利用脸型调整模型生成与原始脸部图像对应的脸型调整图像，与利用贴纸类方式实现脸型调整的方案相比，可以使得生成的脸型调整图像展现更加自然的效果，并且能够针对不同的原始脸部图像，智能化生成与各个原始脸部图像对应的脸型调整图像。通过模型训练，脸型调整图像能够学习到不同脸型的脸部特征之间的映射关系，从而能够在改变脸部轮廓的过程中，对脸部的其他特征也进行适应性调整，使得脸部特征与调整后的脸型相匹配，展示较高的图像效果。

在本公开实施例中，脸型调整模型基于第三脸部样本图像和脸型调整样本图像训练得到，第三脸部样本图像对应的脸部参数为最小脸部参数；

脸型调整样本图像由预先训练的脸部图像生成模型基于第三脸部样本图像和第一预设脸部参数生成；

脸部图像生成模型基于第一脸部样本图像、第二脸部样本图像和第二预设脸部参数训练得到；

最小脸部参数为第一预设脸部参数和第二预设脸部参数的取值下限，最大脸部参数为第一预设脸部参数和第二预设脸部参数的取值上限。第一预设脸部参数和第二预设脸部参数的具体取值，在模型训练过程中，均可以适应性设置。

示例性的，关于上述涉及的模型训练过程可以包括：首先，将第二预设脸部参数(取值可以是0-1之间的任意值)作为图像生成模型的约束参数，基于第一脸部样本图像和第二脸部样本图像对图像生成模型进行训练，得到脸部图像生成模型，其中，可以利用的图像生成模块可以包括但不限于生成对抗网络(GAN，Generative Adversarial Networks)模型等，具体实现原理可以参考现有技术；然后，将第一预设脸部参数(取值可以是0-1之间的任意值，例如取为1)作为脸部图像生成模型的约束参数，基于脸部图像生成模型得到与第三脸部样本图像对应的脸型调整样本图像，即第三脸部样本图像和对应的脸型调整样本图像可以作为成对的训练数据用于后续的模型训练过程中，并且第三脸部样本图像和第一脸部样本图像可以是相同的样本图像，也可以是不同的样本图像，本公开实施例不作具体限定；最后，基于第三脸部样本图像和脸型调整样本图像对风格图像生成模型进行训练，得到脸型调整模型，其中，可以利用的风格图像生成模型可以包括诸如条件生成对抗网络(CGAN，Conditional Generative Adversarial Networks)模型等。

可选的，在模型训练过程中，还可以对成对的训练数据进行优化处理，提高样本质量，进而提高脸型调整模型的训练效果。示例性的，脸型调整模型基于第三脸部样本图像和经过预设编辑处理后的脸型调整样本图像训练得到；经过预设编辑处理后的脸型调整样本图像包括以下至少之一：

脸部区域经过滤镜处理的脸型调整样本图像；例如对脸型调整样本图像的脸部区域进行美颜滤镜，包括但不限于磨皮美白处理等，以提高样本图像上的脸部展示效果；

脸型经过形变处理的脸型调整样本图像；例如可以利用任意可用的脸部形变处理方式对脸型调整样本图像上的脸型进行再次调整，具体例如将脸型变胖后的脸型调整样本图像上的脸部处理的更加圆滑，或者将脸型变瘦后的脸型调整样本图像上的脸部处理的更加有线条感，以实现脸型优化的效果；

基于第三脸部样本图像上的背景经过背景修复的脸型调整样本图像；例如，将脸型调整样本图像上的背景替换为第三脸部样本图像上的背景，这可以保持第三脸部样本图像和对应的脸型调整样本图像上背景的一致性，避免因为背景改变而影响模型训练效果，其中，背景是指图像上除去脸部区域后剩余的区域；

图像清晰度经过调整的脸型调整样本图像；例如利用任意可用的图像清晰度调整方式提高图像的清晰度，以避免模糊样本图像影响模型训练效果。

在本公开实施例中，预先训练脸型调整模型，然后利用该模型得到与原始脸部图像对应的脸型调整图像，例如瘦脸图像或者胖脸图像，丰富了终端中的图像编辑功能，以视频交互类应用程序为例，脸型调整模型的调用，不仅丰富了应用程序的图像编辑功能，还能提升了应用程序的趣味性，为用户提供了比较新颖的特效玩法，进而提高了用户的使用体验。并且，通过模型训练，脸型调整图像能够学习到不同脸型的脸部特征之间的映射关系，从而能够在改变脸部轮廓的过程中，对脸部的其他特征也进行适应性调整，使得脸部特征与调整后的脸型相匹配，展示较高的图像效果，例如面部展现效果较为自然化，提高了生成脸型调整图像的智能化，提升了特效展示效果。

在上述技术方案的基础上，可选的，本公开实施例提供的脸型调整图像生成方法还可以包括：

获取原始图像，并识别原始图像上的脸部关键点，基于识别的脸部关键点对原始图像上的脸部位置进行调整，以得到原始脸部图像。

其中，原始脸部图像符合脸型调整模型要求的输入图像尺寸。原始图像可以是终端根据用户在终端中的图像选择操作、图像拍摄操作或图像上传操作所得到的图像。然后，终端利用脸部关键点识别技术，例如人脸关键点识别技术，识别原始图像上的脸部关键点，并基于该脸部关键点调整原始图像上的脸部位置，其中涉及的图像处理操作可以包括裁剪、缩放、旋转等，以得到符合模型输入的原始脸部图像。

进一步的，本公开实施例提供的脸型调整图像生成方法还可以包括：将脸型调整图像上的脸部区域与原始图像上的背景区域进行融合，得到与原始图像对应的目标脸型调整图像。

原始图像上的背景区域指原始图像上除去脸部区域之外的剩余图像区域。示例性的，可以利用图像处理技术，从脸型调整图像上提取出脸部区域，从原始图像上提取出背景区域，然后按照原始图像上背景区域的位置和脸部区域的位置，将两者融合(或称为混合)。即最终展示给用户的目标脸型调整图像上，除了脸部特征发生变化外，图像背景保留了原始图像上的原始背景，避免了在生成脸型调整后的图像过程中对原始图像上背景区域的改变。

可选的，将脸型调整图像上的脸部区域与原始图像上的背景区域进行融合，得到与原始图像对应的目标脸型调整图像，包括：

基于脸型调整图像，得到与原始图像具有相同图像尺寸的中间结果图像；其中，中间结果图像上的脸部区域位置与原始图像上的脸部区域位置相同；例如，可以按照脸型调整图像上脸部关键点和原始图像上脸部关键点的对应关系，将脸型调整图像映射至原始图像对应的图像坐标，得到中间结果图像；

基于预设脸部蒙版图像，将原始图像与中间结果图像进行融合，得到与原始图像对应的目标脸型调整图像；其中，预设脸部蒙版图像用于将中间结果图像上的脸部区域确定为目标脸型调整图像上的脸部区域，或者，预设人脸蒙版图像用于将原始图像上的脸部区域确定为图像融合过程中的无效脸部区域，即需要使用中间结果图像上的脸部区域作为有效脸部区域。

预设脸部蒙版图像的具体尺寸可以根据需求进行设置。通过利用预设脸部蒙版图像实现原始图像与中间结果图像的融合，在确保成功得到目标脸型调整图像的基础上，有助于提高图像融合处理的效率。

进一步的，基于预设脸部蒙版图像，将原始图像与中间结果图像进行融合，得到与原始图像对应的目标脸型调整图像，可以包括：

对预设脸部蒙版图像中的脸部边界进行平滑处理，例如进行高斯模糊处理等；

基于平滑处理后的脸部蒙版图像，将原始图像与中间结果图像进行融合，得到与原始图像对应的目标脸型调整图像。

通过对预设脸部蒙版图像中的脸部边界进行平滑处理后，再参与图像融合，可以实现原始图像上背景区域与中间结果图像上脸部区域之间的平滑过度，优化图像融合效果。

图2为本公开实施例提供的一种脸型调整模型训练方法的流程图，该方法可以由脸型调整模型训练装置执行，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上，例如服务器等。本公开实施例提供的脸型调整模型训练方法和脸型调整图像生成方法属于相同的发明构思，以下实施例中未详细解释的内容，可以参考上述实施例中的描述。

如图2所示，本公开实施例提供的脸型调整模型训练方法可以包括：

S201、获取第一脸部样本图像和第二脸部样本图像。

根据模型训练需求，可以预先确定样本图像的类型，例如，第一脸部样本图像和第二脸部样本图像可以是人脸图像，还可以是动物脸图像等。

S202、基于第一脸部样本图像、第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型。

其中，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数，脸型调整模型用于得到与原始脸部图像对应的脸型调整图像，脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。关于脸型调整模型的具体训练实现方式，本公开实施例不作具体限定，在确保最终训练得到的模型具有生成脸型调整图像的功能的基础上，本领域技术人员可以采用任意可用的训练方式以及灵活选择可用的模型结构。

可选的，脸型调整模型包括瘦脸调整模型或胖脸调整模型，瘦脸调整模型用于得到与原始脸部图像对应的脸型变瘦后的脸型调整图像，胖脸调整模型用于得到与原始脸部图像对应的脸型变胖后的脸型调整图像。

可选的，基于第一脸部样本图像、第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型，包括：

将第二预设脸部参数作为图像生成模型的约束参数，基于第一脸部样本图像和第二脸部样本图像对图像生成模型进行训练，得到脸部图像生成模型；

将第一预设脸部参数作为脸部图像生成模型的约束参数，基于脸部图像生成模型得到与第三脸部样本图像对应的脸型调整样本图像；其中，第三脸部样本图像对应的脸部参数为最小脸部参数；

基于第三脸部样本图像和脸型调整样本图像对风格图像生成模型进行训练，得到脸型调整模型。

可选的，在模型训练过程中，还可以对成对的训练数据进行优化处理，提高样本质量，进而提高脸型调整模型的训练效果。示例性的，脸型调整模型基于第三脸部样本图像和经过预设编辑处理后的脸型调整样本图像训练得到；预设编辑处理包括以下至少之一：

对脸型调整样本图像上的脸部区域进行滤镜处理；

对脸型调整样本图像上的脸型进行形变处理；

利用第三脸部样本图像上的背景对脸型调整样本图像上的背景进行修复；

对脸型调整样本图像进行图像清晰度调整。

在本公开实施例中，通过在服务器中预先训练脸型调整模型，然后下发至终端中，使得可以在终端利用该模型得到与原始脸部图像对应的脸型调整图像，例如瘦脸图像或者胖脸图像，丰富了终端中的图像编辑功能，以视频交互类应用程序为例，脸型调整模型的调用，不仅丰富了应用程序的图像编辑功能，还能提升了应用程序的趣味性，为用户提供了比较新颖的特效玩法，进而提高了用户的使用体验。

图3为本公开实施例提供的一种脸型调整图像生成装置的结构示意图，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上，例如移动终端、平板电脑、笔记本电脑等终端。

如图3所示，本公开实施例提供的脸部图像生成装置300可以包括原始脸部图像获取模块301和脸型调整图像生成模块302，其中：

原始脸部图像获取模块301，用于获取原始脸部图像；

脸型调整图像生成模块302，用于利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像；

其中，脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数；

脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

可选的，脸型调整模型包括瘦脸调整模型或胖脸调整模型；

相应的，脸型调整图像生成模块302包括：

第一图像生成单元，用于利用瘦脸调整模型，得到与原始脸部图像对应的脸型变瘦后的脸型调整图像；或者

第二图像生成单元，用于利用胖脸调整模型，得到与原始脸部图像对应的脸型变胖后的脸型调整图像。

可选的，脸型调整模型基于第三脸部样本图像和脸型调整样本图像训练得到，第三脸部样本图像对应的脸部参数为最小脸部参数；

脸型调整样本图像由预先训练的脸部图像生成模型基于第三脸部样本图像和第一预设脸部参数生成；

脸部图像生成模型基于第一脸部样本图像、第二脸部样本图像和第二预设脸部参数训练得到；

最小脸部参数为第一预设脸部参数和第二预设脸部参数的取值下限，最大脸部参数为第一预设脸部参数和第二预设脸部参数的取值上限。

可选的，脸型调整模型基于第三脸部样本图像和经过预设编辑处理后的脸型调整样本图像训练得到；经过预设编辑处理后的脸型调整样本图像包括以下至少之一：

脸部区域经过滤镜处理的脸型调整样本图像；

脸型经过形变处理的脸型调整样本图像；

基于所述第三脸部样本图像上的背景经过背景修复的脸型调整样本图像；

图像清晰度经过调整的脸型调整样本图像。

本公开实施例所提供的脸型调整图像生成装置可执行本公开实施例所提供的任意脸型调整图像生成方法，具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。

图4为本公开实施例提供的一种脸型调整模型训练装置的结构示意图，该装置可以采用软件和/或硬件实现，并可集成在任意具有计算能力的电子设备上，例如服务器等。

如图4所示，本公开实施例提供的脸型调整模型训练装置400可以包括样本图像获取模块401和模型训练模块402，其中：

样本图像获取模块401，用于获取第一脸部样本图像和第二脸部样本图像；

模型训练模块402，用于基于第一脸部样本图像、第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；

其中，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数，脸型调整模型用于得到与原始脸部图像对应的脸型调整图像；脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

可选的，模型训练模块402包括：

脸部图像生成模型确定单元，用于将第二预设脸部参数作为图像生成模型的约束参数，基于第一脸部样本图像和第二脸部样本图像对图像生成模型进行训练，得到脸部图像生成模型；

脸型调整样本图像生成单元，用于将第一预设脸部参数作为脸部图像生成模型的约束参数，基于脸部图像生成模型得到与第三脸部样本图像对应的脸型调整样本图像；其中，第三脸部样本图像对应的脸部参数为最小脸部参数；

脸型调整模型确定单元，用于基于第三脸部样本图像和脸型调整样本图像对风格图像生成模型进行训练，得到脸型调整模型。

本公开实施例所提供的脸型调整模型训练装置可执行本公开实施例所提供的任意脸型调整模型训练方法，具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。

图5为本公开实施例提供的一种电子设备的结构示意图，用于对实现本公开实施例提供的脸型调整图像生成方法或者脸型调整模型训练方法的电子设备进行示例性说明。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、智能家居设备、可穿戴电子设备、服务器等等的固定终端。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占用范围带来任何限制。

如图5所示，电子设备500包括一个或多个处理器501和存储器502。

处理器501可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备500中的其他组件以执行期望的功能。

存储器502可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行程序指令，以实现本公开实施例提供的脸型调整图像生成方法或者脸型调整模型训练方法，还可以实现其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

一方面，本公开实施例提供的脸型调整图像生成方法可以包括：获取原始脸部图像；利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像；其中，脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数；脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

另一方面，本公开实施例提供的脸型调整模型训练方法可以包括：获取第一脸部样本图像和第二脸部样本图像；基于第一脸部样本图像、第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；其中，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数，脸型调整模型用于得到与原始脸部图像对应的脸型调整图像；脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

应当理解，电子设备500还可以执行本公开方法实施例提供的其他可选实施方案。

在一个示例中，电子设备500还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

此外，该输入装置503还可以包括例如键盘、鼠标等等。

该输出装置504可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图5中仅示出了该电子设备500中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备500还可以包括任何其他适当的组件。

除了上述方法和设备以外，本公开实施例还提供一种计算机程序产品，其包括计算机程序或计算机程序指令，计算机程序或计算机程序指令在被计算设备执行时使得计算设备实现本公开实施例所提供的任意脸型调整图像生成方法或者脸型调整模型训练方法。

计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，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电子设备上执行、部分地在用户电子设备上执行、作为一个独立的软件包执行、部分在用户电子设备上且部分在远程电子设备上执行、或者完全在远程电子设备上执行。

此外，本公开实施例还可以提供一种计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被计算设备执行时使得计算设备实现本公开实施例所提供的任意脸型调整图像生成方法或者脸型调整模型训练方法。

一方面，本公开实施例提供的脸型调整图像生成方法可以包括：获取原始脸部图像；利用预先训练的脸型调整模型，得到与原始脸部图像对应的脸型调整图像；其中，脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数；脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

另一方面，本公开实施例提供的脸型调整模型训练方法可以包括：获取第一脸部样本图像和第二脸部样本图像；基于第一脸部样本图像、第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；其中，第一脸部样本图像对应的脸部参数为最小脸部参数，第二脸部样本图像对应的脸部参数为最大脸部参数，脸型调整模型用于得到与原始脸部图像对应的脸型调整图像；脸部调整图像相对原始脸部图像的调整程度处于由最小脸部参数所表示的调整程度与最大脸部参数所表示的调整程度确定的程度范围。

应当理解，计算机程序指令在被计算设备执行时，还可以使得计算设备实现本公开方法实施例提供的其他可选实施方案。

计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种脸型调整图像生成方法，其特征在于，包括：

获取原始脸部图像；

利用预先训练的脸型调整模型，得到与所述原始脸部图像对应的脸型调整图像；

其中，所述脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

2.根据权利要求1所述的方法，其特征在于，所述脸型调整模型包括瘦脸调整模型或胖脸调整模型；

相应的，所述利用预先训练的脸型调整模型，得到与所述原始脸部图像对应的脸型调整图像，包括：

利用所述瘦脸调整模型，得到与所述原始脸部图像对应的脸型变瘦后的脸型调整图像；或者

利用所述胖脸调整模型，得到与所述原始脸部图像对应的脸型变胖后的脸型调整图像。

3.根据权利要求1所述的方法，其特征在于：

所述脸型调整模型基于第三脸部样本图像和脸型调整样本图像训练得到，所述第三脸部样本图像对应的脸部参数为所述最小脸部参数；

所述脸型调整样本图像由预先训练的脸部图像生成模型基于所述第三脸部样本图像和第一预设脸部参数生成；

所述脸部图像生成模型基于所述第一脸部样本图像、所述第二脸部样本图像和第二预设脸部参数训练得到；

所述最小脸部参数为所述第一预设脸部参数和所述第二预设脸部参数的取值下限，所述最大脸部参数为所述第一预设脸部参数和所述第二预设脸部参数的取值上限。

4.根据权利要求3所述的方法，其特征在于，所述脸型调整模型基于所述第三脸部样本图像和经过预设编辑处理后的脸型调整样本图像训练得到；所述经过预设编辑处理后的脸型调整样本图像包括以下至少之一：

脸部区域经过滤镜处理的脸型调整样本图像；

脸型经过形变处理的脸型调整样本图像；

基于所述第三脸部样本图像上的背景经过背景修复的脸型调整样本图像；

图像清晰度经过调整的脸型调整样本图像。

5.一种脸型调整模型训练方法，其特征在于，包括：

获取第一脸部样本图像和第二脸部样本图像；

基于所述第一脸部样本图像、所述第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；

其中，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸型调整模型用于得到与原始脸部图像对应的脸型调整图像，所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一脸部样本图像、所述第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型，包括：

将第二预设脸部参数作为图像生成模型的约束参数，基于所述第一脸部样本图像和所述第二脸部样本图像对所述图像生成模型进行训练，得到脸部图像生成模型；

将第一预设脸部参数作为所述脸部图像生成模型的约束参数，基于所述脸部图像生成模型得到与第三脸部样本图像对应的脸型调整样本图像；其中，所述第三脸部样本图像对应的脸部参数为所述最小脸部参数；

基于所述第三脸部样本图像和所述脸型调整样本图像对风格图像生成模型进行训练，得到所述脸型调整模型。

7.一种脸部图像生成装置，其特征在于，包括：

原始脸部图像获取模块，用于获取原始脸部图像；

脸型调整图像生成模块，用于利用预先训练的脸型调整模型，得到与所述原始脸部图像对应的脸型调整图像；

其中，所述脸型调整模型基于第一脸部样本图像、第二脸部样本图像、最小脸部参数和最大脸部参数训练得到，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

8.一种脸型调整模型训练装置，其特征在于，包括：

样本图像获取模块，用于获取第一脸部样本图像和第二脸部样本图像；

模型训练模块，用于基于所述第一脸部样本图像、所述第二脸部样本图像、以及预先确定的最小脸部参数和最大脸部参数，训练得到脸型调整模型；

其中，所述第一脸部样本图像对应的脸部参数为所述最小脸部参数，所述第二脸部样本图像对应的脸部参数为所述最大脸部参数；

所述脸型调整模型用于得到与原始脸部图像对应的脸型调整图像，所述脸部调整图像相对所述原始脸部图像的调整程度处于由所述最小脸部参数所表示的调整程度与所述最大脸部参数所表示的调整程度确定的程度范围。

9.一种电子设备，其特征在于，包括存储器和处理器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备实现权利要求1-4中任一项所述的脸型调整图像生成方法，或者实现权利要求5-6中任一项所述的脸型调整模型训练方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序被计算设备执行时，使得所述计算设备实现权利要求1-4中任一项所述的脸型调整图像生成方法，或者实现权利要求5-6中任一项所述的脸型调整模型训练方法。

Images