CN113094801B - 装修模拟图像生成方法、装置、设备及介质 - Google Patents
装修模拟图像生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113094801B CN113094801B CN202110485270.6A CN202110485270A CN113094801B CN 113094801 B CN113094801 B CN 113094801B CN 202110485270 A CN202110485270 A CN 202110485270A CN 113094801 B CN113094801 B CN 113094801B
- Authority
- CN
- China
- Prior art keywords
- image
- decoration
- area
- decorated
- style
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/16—Customisation or personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Multimedia (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及图像处理技术领域,本发明公开了一种装修模拟图像生成方法、装置、设备及介质,所述方法包括:获取待装修语音文件、待加工图像和照片集;通过房屋功能区识别模型,对待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;通过房屋区域识别模型,对待加工图像进行装修区域识别,识别出待装修区域图像结果;获取匹配的家庭成员照片,通过装修风格检测模型进行装修风格特征提取,输出装修色调风格结果;通过装修模拟图像生成模型,进行模拟图像生成处理,得到装修模拟图像。本发明实现了随时随地快速地自动生成基于装修风格特征的该图像的装修模拟图像,减少了沟通及设计时间,提高了装修方案设计的效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种装修模拟图像生成方法、装置、设备及介质。
背景技术
目前,人们对毛坯房或者二手房的装修方案越来越高,而且希望随时能够获得装修方案,在现有技术中,大部分是用户与室内装修设计者一起在预订时间和固定地点(例如装修工作室)进行装修方案的设计,室内装修设计者跟用户沟通完后,在无法知道各个功能房的居住者的风格情况下,耗费较长时间设计不同风格的装修方案以供用户选择,然而,输出的装修方案的风格是根据室内装修设计者的理解设计的,可能会出现不是用户想要或者其他家庭成员的反馈而出现多次修改的情况,因此,耗费的工作量巨大,而且效率低下,用户也无法随时随地就能看到装修效果图,大大降低了用户的满意度。
发明内容
本发明提供一种装修模拟图像生成方法、装置、计算机设备及存储介质,实现了随时随地通过装修小程序采集到待装修语音文件、待加工图像和照片集,自动识别出待装修区域图像结果和装修色调风格结果,并运用模拟图像生成处理,自动生成符合待加工图像中的房屋居住者的装修风格和色调的装修模拟图像,提高了客户使用满意度,并能够随时随地自动获得装修效果图。
一种装修模拟图像生成方法,包括:
通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;
通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;
通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签;
获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;
通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。
一种装修模拟图像生成装置,包括:
接收模块,用于接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;
类型识别模块,用于通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;
标签识别模块,用于通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签;
风格识别模块,用于获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;
生成模块,用于通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述装修模拟图像生成方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述装修模拟图像生成方法的步骤。
本发明提供的装修模拟图像生成方法、装置、计算机设备及存储介质,通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出包含初始图像、待装修区域图像以及区域标签的待装修区域图像结果;获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像,如此,实现了通过基于容器技术的装修小程序,能够随时随地的获取待装修语音文件、待加工图像和照片集,运用语音识别、功能类型识别和装修区域识别,自动识别出待加工图像中的待装修区域图像结果,并自动基于家庭成员照片中的装修风格特征识别出装修色调风格结果,结合所述带装修区域图像结果和装修色调风格结果,进行模拟图像生成处理,自动生成符合待加工图像中的房屋居住者的装修风格和色调的装修模拟图像,达到随时随地采集家庭成员照片、图像和介绍该图像相音频文件,快速地自动生成基于装修风格特征的该图像的装修模拟图像,做到立刻获得符合客户要求的装修效果图,无需设计师介入沟通,减少了沟通及设计时间,提高了装修方案设计的效率,提高了客户使用满意度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中装修模拟图像生成方法的应用环境示意图;
图2是本发明一实施例中装修模拟图像生成方法的流程图;
图3是本发明一实施例中装修模拟图像生成装置的原理框图;
图4是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的装修模拟图像生成方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务器进行通信。其中,客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、带摄像头的移动设备和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种装修模拟图像生成方法,其技术方案主要包括以下步骤S10-S50:
S10,通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签。
可理解地,所述装修小程序基于容器技术开发用于生成装修模拟图像的小程序,所述装修小程序安装在用户的客户端中,所述容器技术为通过javascript开发出的由不同的功能模块汇总构建出一个用于实现一功能的容器的技术,例如装修小程序为在微信中应用的小程序,或者为在装修APP中的一个小程序等等,所述装修图像生成请求为确认完所述待装修语音文件、所述待加工图像和所述照片集之后需要生成装修模拟图像的时候出发的请求,所述装修语音文件为用户对所述待加工图像描述或者介绍的音频文件,所述装修语音文件可以通过所述装修小程序在拍摄采集所述待加工图像的过程中检测并录制该音频文件,所述待加工图像为通过所述装修小程序拍摄采集到的需要生成装修模拟图像的图像,所述待加工图像可以为用户通过客户端边录视频边分割出图像获得,满足用户在应用客户端使用装修小程序一边采集待加工图像一边生成装修模拟图像,所述照片集为通过所述装修小程序选取家庭成员照片后并经过对其打上所述家庭成员标签后获得,所述家庭成员照片为单独给一个家庭成员拍摄的照片,所述家庭成员标签为对与其对应的家庭成员照片中的人物在用户的家庭成员中担任的角色赋予的标签,例如:家庭成员标签包含有爷爷、奶奶、主人、妻子、小孩等等。
在一实施例中,所述步骤S10之前,即所述通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集之前,包括:
S101,运用容器技术,通过所述装修小程序的视图容器接收到所有所述家庭成员照片;所述家庭成员照片为在所述视图容器中的可视化界面上选取确认后获得。
可理解地,所述视图容器为运用所述容器技术开发的所述装修小程序的可视化界面的容器,所述容器技术为通过javascript开发出的由不同的功能模块汇总构建出一个用于实现一功能的容器的技术,在所述视图容器中的所述可视化界面上选取客户端存储的包含单独家庭成员的照片,将其作为所述家庭成员照片发送至所述视图容器,其中,所述可视化界面为应用容器技术开发的用户操作的界面。
S102,通过所述装修小程序中的成员检测模型,对各所述家庭成员照片进行成员标签识别,识别出与各所述家庭成员照片一一对应的所述家庭成员标签。
可理解地,所述成员检测模型为训练完成的用于识别输入的照片中的人物的家庭成员标签的目标检测模型,所述成员标签识别的过程为:首先,检测所述家庭成员照片中的人物目标;其次,对检测出的人物目标提取家庭成员特征;最后,根据提取的家庭成员特征识别出该人物目标的家庭成员标签。
其中,所述检测所述家庭成员照片中的人物目标的实现方式可以通过基于YOLO(You only look once)的目标检测模型实现,所述家庭成员特征为与人物年龄段相关的特征,比如家庭成员特征包括人物的面部纹路特征、头发特征、体态特征及高度特征等。
S103,通过所述装修小程序中的采集模块采集到所述待装修语音文件和所述待加工图像之后,触发所述装修图像生成请求。
可理解地,所述采集模块为用于采集所述待加工图像和用户描述或介绍所述待加工图像的音频的装修小程序中的功能模块,所述待装修语音文件可以为在采集待加工图像过程中录制用户说的一段音频内容,例如:音频内容为“这是主人房”、“这间给小孩”或者“很大的客厅”等等,在采集完所述待装修语音文件和所述待加工图像之后,自动触发所述装修图像生成请求。
本发明实现了通过运用容器技术,通过所述装修小程序的视图容器接收到所有所述家庭成员照片;通过所述装修小程序中的成员检测模型,对各所述家庭成员照片进行成员标签识别,识别出与各所述家庭成员照片一一对应的所述家庭成员标签;通过所述装修小程序中的采集模块采集到所述待装修语音文件和所述待加工图像之后,触发所述装修图像生成请求,如此,能够通过接收家庭成员照片,自动识别出各个家庭成员照片对应的家庭成员标签,并采集待装修语音文件和待加工图像之后自动触发装修图像生成请求,减少了用户对家庭成员照片打标签的过程,提高了用户使用满意度。
S20,通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果。
可理解地,所述房屋功能区识别模型为训练完成的用于识别输入的音频文件中的房屋的功能类型的神经网络模型,所述语音识别技术(Automatic Speech Recognition,ASR)就是把语音信号转变为相应的文本的技术,将所述待装修语音文件转换成文本内容,所述功能类型识别为识别出转换后的文本内容中的实体,并根据识别的实体确定出功能类型的识别过程,所述功能类型结果体现了所述待装修语音文件中房屋功能区,例如:功能类型结果包括儿童房、主人房、老人房、客厅、饭厅、主卫、公卫等等。
在一实施例中,所述步骤S20中,即所述通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果,包括:
S201,通过语音识别模型对所述待装修语音文件进行语音识别,识别出与所述待装修语音文件对应的文本内容;所述房屋功能区识别模型包括语音识别模型、命名实体检测模型和功能类型检测模型。
可理解地,所述语音识别模型为训练完成的将输入的音频文件转换成相应的文本内容的模型,所述语音识别技术是把语音信号转变为相应的文本的技术,即对所述带装修语音文件进行信号处理后,按帧(毫秒级)拆分出预设段的波形,并对拆分出的预设段波形按照人耳特征转换成多维向量信息,将转换后的多维向量信息进行识别出状态信息,在将状态信息组合成音素,最后将音素组成字词并串连成句的技术,从而可以通过所述语音识别模型识别出与所述待装修语音文件对应的文本内容,所述文本内容为所述待装修语音文件中的说话内容。
S202,对所述文本内容进行分词处理,得到多个单元文本。
可理解地,所述分词处理为运用贪婪匹配算法将输入的所述文本内容从预设的词汇表中进行匹配,将所述文本内容拆分成一个个单独的字或者词语,从而将拆分后的字或者词语确定为所述单元文本,其中,所述预设的词汇表相当于存储了大量词库的字典。
S203,通过所述命名实体检测模型对所有所述单元文本进行实体识别,得到实体结果。
可理解地,所述命名实体检测模型为基于LSTM(长短期记忆网络,Long Short-Term Memory)和CRF(条件随机场,Conditional Random Field)构建的神经网络模型,所述命名实体检测模型进行实体识别的过程为用于对输入的所有所述单元文本进行序列标注,并识别各个所述单元文本是否为实体的模型,通过所述命名实体检测模型中的LSTM层对各个所述单元文本进行命名实体预测,预测出是否为实体的预测分值,即通过BIO序列标注方法对各个字进行标注,根据标注后的字组成的词语进行命名实体预测,预测出是否为实体的与预测分值,即概率值,将各个命名实体预测后的具有预测分值的词语输入所述命名实体检测模型中的CRF层,所述CRF层为对最后预测的各个实体的预测分值添加一些约束来保证预测出的实体是合法的网络层,例如通过CRF层检测各个字或者组成的词语的词性之间是否合法的约束条件,通过所述CRF层的过滤可以得到最后合法的实体的过程,从而输出所述实体结果,所述实体结果体现了所述待装修语音文件中的实体,比如:老人、小孩、客厅等等。
S204,通过所述功能类型检测模型对所述实体结果进行功能类型特征提取,根据提取所述功能类型特征识别出所述功能类型结果。
可理解地,所述功能类型检测模型为训练完成的用于识别功能类型的神经网络模型,所述功能类型特征为与房屋的功能区对应的功能类型相关的特征,提取所述功能类型特征的过程为将所述实体结果中的各个实体进行组合,将组合后的实体进行卷积,将卷积后激活的处理过程,对卷积后激活的特征向量进行分类获得所述功能类型结果。
本发明实现了通过语音识别模型对所述待装修语音文件进行语音识别,识别出与所述待装修语音文件对应的文本内容;对所述文本内容进行分词处理,得到多个单元文本;通过所述命名实体检测模型对所有所述单元文本进行实体识别,得到实体结果;通过所述功能类型检测模型对所述实体结果进行功能类型特征提取,根据提取所述功能类型特征识别出所述功能类型结果,如此,实现了自动识别出待装修语音文件中的实体,并提取功能类型特征自动识别出功能类型结果,便于用户输入待加工图像的房屋功能类型,提高了装修小程序的灵活性,提高了用户的体验满意度。
S30,通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签。
可理解地,所述房屋区域识别模型为训练完成的用于识别待加工图像中各个待装修的区域,并标识出各个待装修的区域的区域标签,所述装修区域识别的过程为先对待加工图像机械能毛坯化处理,再进行区域识别和区域标签识别所述待装修区域图像结果的过程,所述装修区域图像结果体现了需要装修区域的未装修的图像及区域相应的标签。
在一实施例中,所述步骤S30中,即所述通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果,包括:
S301,对所述待加工图像进行毛坯化处理,得到所述初始图像。
可理解地,所述毛坯化处理为将识别所述待加工图像是否为毛坯或者未装修,并根据识别的结果对所述待加工图像进行图像处理,增强毛坯成分或者去除装修成分,从而获得所述初始图像的处理过程,所述初始图像为经过毛坯化处理后的不存在装修成分的图像。
在一实施例中,所述步骤S301中,即所述对所述待加工图像进行毛坯化处理,得到所述初始图像,包括:
S3011,提取所述待加工图像中的毛坯特征,根据提取的所述毛坯特征输出毛坯检测结果;所述毛坯检测结果表明了所述待加工图像是否为毛坯或者未装修的图像。
可理解地,所述毛坯特征为与毛坯房屋相关的特征,所述毛坯检测结果表明了所述待加工图像是否为毛坯或者未装修的图像,所述毛坯检测结果包括未装修结果和已装修结果。
S3012,若所述毛坯检测结果为未装修结果,对所述待加工图像进行边缘增强处理,将边缘增强处理后的所述待加工图像确定为所述初始图像。
可理解地,所述边缘增强处理为对图像中的相邻像素的像素值超过预设阈值的边缘进行增强像素值差距的处理过程。
S3013,若所述毛坯检测结果为已装修结果,对所述待加工图像进行区域边缘直线化处理,对区域边缘直线化处理后的所述待加工图像进行区域漂白处理,得到所述初始图像。
可理解地,所述区域边缘直线化处理为所述待加工图像中曲线各边围成的区域范围的边缘线的各边进行拉直处理,即将曲线各个边的边缘按照线条的起点、中间点和终点进行直线连接替代原曲线各边的处理,所述区域漂白处理为对所述区域边缘直线化处理后的所述待加工图像的各个围成的区域进行像素的像素值置白色对应的像素值的过程。
本发明实现了通过提取所述待加工图像中的毛坯特征,根据提取的所述毛坯特征输出毛坯检测结果;若所述毛坯检测结果为未装修结果,对所述待加工图像进行边缘增强处理,将边缘增强处理后的所述待加工图像确定为所述初始图像;若所述毛坯检测结果为已装修结果,对所述待加工图像进行区域边缘直线化处理,对区域边缘直线化处理后的所述待加工图像进行区域漂白处理,得到所述初始图像,如此,实现了通过毛坯特征自动识别待加工图像是否为毛坯的毛坯检测结果,根据毛坯检测结果自动做相应的边缘增强处理,或者边缘直线化及区域漂白处理,输出后续需要模拟的初始图像,为后续的装修模拟图像的生成提供了初始数据,便于后续装修模拟图像的生成。
S302,对所述初始图像进行区域识别,识别出各个所述待装修区域图像,并在所述初始图像中进行标注。
可理解地,所述区域识别为运用YOLO算法识别出所述初始图像中的各个所述待装修区域图像,即在所述初始图像中标注出各个区域,例如:天花板区域、墙壁区域、地板区域图像。
S303,根据标注后的所述初始图像,对各个所述待装修区域图像进行区域特征提取,并根据各个所述待装修区域图像的所述区域特征进行区域标签识别,识别出与各所述待装修区域图像一一对应的所述区域标签。
可理解地,所述区域特征为与房屋的不同区域相关的特征,例如:天花板区域特征、墙壁区域特征、地板区域特征等等,所述区域标签为房屋的不同区域赋予的标签。
本发明实现了通过对所述待加工图像进行毛坯化处理,得到所述初始图像;对所述初始图像进行区域识别,识别出各个所述待装修区域图像,并在所述初始图像中进行标注;根据标注后的所述初始图像,对各个所述待装修区域图像进行区域特征提取,并根据各个所述待装修区域图像的所述区域特征进行区域标签识别,识别出与各所述待装修区域图像一一对应的所述区域标签,如此,实现了自动识别待加工图像的各个区域,以及标注出各个区域与的标签,便于后续装修模拟图像的生成。
S40,获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果。
可理解地,所述匹配的过程为运用余弦文本相似度算法,计算所述功能类型结果和各所述家庭成员标签之间的余弦相似度,将最大的余弦相似度对应的家庭成员标签确定为与所述功能类型结果匹配的过程,从而获取与该家庭成员标签关联的所述家庭成员照片,所述装修风格检测模型为训练完成的用于提取装修风格特征,以识别出各个区域标签对应的装修色调风格结果的模型,所述装修风格特征为与人群风格和色调相关的特征,所述装修风格特征包括人群风格特征和色调特征,所述人群风格特征为房屋居住者的风格相关的特征,所述色调特征为房屋居住者的着装的色调相关的特征,所述装修色调风格结果体现了该区域的装修风格和色调的结果,例如:儿童房的天花板区域对应卡通风格和星空色调、地板区域对应卡通风格和海洋色调等等。
在一实施例中,所述步骤S40中,即所述获取与所述功能类型结果匹配的所述家庭成员标签对应的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果,包括:
S401,从所述有所述家庭成员标签中查询与所述功能类型结果中的功能类型相匹配的家庭成员标签,将与查询到的所述家庭成员标签关联的所述家庭成员照片确定为待识别照片。
S402,通过所述装修风格检测模型对所述待识别照片进行人群风格特征提取,根据提取的所述人群风格特征确定出居住风格结果,同时对所述待识别照片进行色调特征提取,根据提取的所述色调特征确定出居住色调结果。
可理解地,对待识别照片进行所述人群风格特征的卷积,并输出所述居住风格结果,所述居住风格结果体现了居住者所属的人群的风格类型,对所述待识别照片进行所述色调特征提取,即对所述待识别照片中的人物的着装的色调进行特征提取,根据提取的所述色调特征进行识别,因为每个人的喜好会通过着装的款式及颜色体现,识别出所述居住色调结果,所述居住色调结果体现了居住者所喜好的色调的类型。
S403,根据所有所述区域标签、所述居住风格结果和所述居住色调结果,映射出与各所述区域标签一一对应的所述装修色调风格结果。
可理解地,通过所述区域标签、所述居住风格结果和所述居住色调结果进行组合,根据组合后的结果通过预设的映射关系,映射出与个所述区域标签对应的一个所述装修色调风格结果。
本发明实现了通过从所述有所述家庭成员标签中查询与所述功能类型结果中的功能类型相匹配的家庭成员标签,将与查询到的所述家庭成员标签关联的所述家庭成员照片确定为待识别照片;通过所述装修风格检测模型对所述待识别照片进行人群风格特征提取,根据提取的所述人群风格特征确定出居住风格结果,同时对所述待识别照片进行色调特征提取,根据提取的所述色调特征确定出居住色调结果;根据所有所述区域标签、所述居住风格结果和所述居住色调结果,映射出与各所述区域标签一一对应的所述装修色调风格结果,如此,实现了自动匹配出待识别照片,并提取人群风格特征和色调特征,自动识别出各个区域标签的装修色调风格结果,无需人工沟通设计风格和色调,通过居住者的风格和着装自动识别出符合居住者的风格和色调,提高了用户的使用满意度。
S50,通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。
可理解地,所述装修模拟图像生成模型为训练完成的用于结合待装修区域图像结果和各个所述装修色调风格结果,自动生成与所述初始图像对应的装修模拟图像,所述模拟图像生成处理为根据各所述区域标签对应的所述装修色调风格结果生成所述待装修区域图像结果中与该区域标签对应的所述待装修区域图像的区域加工图像,将其填充至所述初始图像中,从而生成多个区域加工图像并填充完成并风格融合处理后输出的处理过程,所述装修模拟图像为模拟装修后输出的图像,将所述装修模拟图像在用户的客户端进行展示,或者直接边拍图像边输出装修模拟图像,便于即时获得装修的模拟效果图。
本发明实现了通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出包含初始图像、待装修区域图像以及区域标签的待装修区域图像结果;获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像,如此,实现了通过基于容器技术的装修小程序,能够随时随地的获取待装修语音文件、待加工图像和照片集,运用语音识别、功能类型识别和装修区域识别,自动识别出待加工图像中的待装修区域图像结果,并自动基于家庭成员照片中的装修风格特征识别出装修色调风格结果,结合所述带装修区域图像结果和装修色调风格结果,进行模拟图像生成处理,自动生成符合待加工图像中的房屋居住者的装修风格和色调的装修模拟图像,达到随时随地采集家庭成员照片、图像和介绍该图像相音频文件,快速地自动生成基于装修风格特征的该图像的装修模拟图像,做到立刻获得符合客户要求的装修效果图,无需设计师介入沟通,减少了沟通及设计时间,提高了装修方案设计的效率,提高了客户使用满意度。
在一实施例中,所述步骤S50中,即所述通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像,包括:
S501,通过装修模拟图像生成模型,对与各所述区域标签对应的所述装修色调风格结果和所述待装修区域图像进行区域装修模拟图像生成,生成与各所述待装修区域图像对应的区域加工图像。
可理解地,所述区域装修模拟图像生成的处理过程为根据所述区域标签对应的所述装修色调风格结果生成所述待装修区域图像结果中与该区域标签对应的所述待装修区域图像的区域加工图像的过程,所述区域加工图像为经过所述区域装修模拟图像生成后获得的图像。
S502,根据所有所述区域加工图像对所述待加工图像进行风格融合处理,得到所述待加工图像的装修模拟图像。
可理解地,所述风格融合处理的过程为将所有所述区域加工图像填充入所述初始图像后,对各个区域加工图像之间的边缘进行过渡处理,即对边缘两边的像素值进行渐变处理,形成一个梯度过渡的过程,做到让两个区域之间平滑过渡,能够让整个装修模拟图像的视觉效果更佳。
本发明实现了通过装修模拟图像生成模型,对与各所述区域标签对应的所述装修色调风格结果和所述待装修区域图像进行区域装修模拟图像生成,生成与各所述待装修区域图像对应的区域加工图像;根据所有所述区域加工图像对所述待加工图像进行风格融合处理,得到所述待加工图像的装修模拟图像,如此,实现了自动结合待装修区域图像结果和各个所述装修色调风格结果,并运用风格融合处理,自动生成装修模拟图像,让整个装修模拟图像的视觉效果更佳。
在一实施例中,提供一种装修模拟图像生成装置,该装修模拟图像生成装置与上述实施例中装修模拟图像生成方法一一对应。如图3所示,该装修模拟图像生成装置包括接收模块11、类型识别模块12、标签识别模块13、风格识别模块14和生成模块15。各功能模块详细说明如下:
接收模块11,用于接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;
类型识别模块12,用于通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;
标签识别模块13,用于通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签;
风格识别模块14,用于获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;
生成模块15,用于通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。
关于装修模拟图像生成装置的具体限定可以参见上文中对于装修模拟图像生成方法的限定,在此不再赘述。上述装修模拟图像生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种装修模拟图像生成方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中装修模拟图像生成方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中装修模拟图像生成方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种装修模拟图像生成方法,其特征在于,包括:
通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;
通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;
通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签;
获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;
通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。
2.如权利要求1所述的装修模拟图像生成方法,其特征在于,所述通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果,包括:
通过语音识别模型对所述待装修语音文件进行语音识别,识别出与所述待装修语音文件对应的文本内容;所述房屋功能区识别模型包括语音识别模型、命名实体检测模型和功能类型检测模型;
对所述文本内容进行分词处理,得到多个单元文本;
通过所述命名实体检测模型对所有所述单元文本进行实体识别,得到实体结果;
通过所述功能类型检测模型对所述实体结果进行功能类型特征提取,根据提取所述功能类型特征识别出所述功能类型结果。
3.如权利要求1所述的装修模拟图像生成方法,其特征在于,所述通过基于容器技术的装修小程序接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集之前,包括:
运用容器技术,通过所述装修小程序的视图容器接收到所有所述家庭成员照片;所述家庭成员照片为在所述视图容器中的可视化界面上选取确认后获得;
通过所述装修小程序中的成员检测模型,对各所述家庭成员照片进行成员标签识别,识别出与各所述家庭成员照片一一对应的所述家庭成员标签;
通过所述装修小程序中的采集模块采集到所述待装修语音文件和所述待加工图像之后,触发所述装修图像生成请求。
4.如权利要求1所述的装修模拟图像生成方法,其特征在于,所述通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果,包括:
对所述待加工图像进行毛坯化处理,得到所述初始图像;
对所述初始图像进行区域识别,识别出各个所述待装修区域图像,并在所述初始图像中进行标注;
根据标注后的所述初始图像,对各个所述待装修区域图像进行区域特征提取,并根据各个所述待装修区域图像的所述区域特征进行区域标签识别,识别出与各所述待装修区域图像一一对应的所述区域标签。
5.如权利要求1所述的装修模拟图像生成方法,其特征在于,所述对所述待加工图像进行毛坯化处理,得到所述初始图像,包括:
提取所述待加工图像中的毛坯特征,根据提取的所述毛坯特征输出毛坯检测结果;所述毛坯检测结果表明了所述待加工图像是否为毛坯或者未装修的图像;
若所述毛坯检测结果为未装修结果,对所述待加工图像进行边缘增强处理,将边缘增强处理后的所述待加工图像确定为所述初始图像;
若所述毛坯检测结果为已装修结果,对所述待加工图像进行区域边缘直线化处理,对区域边缘直线化处理后的所述待加工图像进行区域漂白处理,得到所述初始图像。
6.如权利要求5所述的装修模拟图像生成方法,其特征在于,所述获取与所述功能类型结果匹配的所述家庭成员标签对应的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果,包括:
从所述有所述家庭成员标签中查询与所述功能类型结果中的功能类型相匹配的家庭成员标签,将与查询到的所述家庭成员标签关联的所述家庭成员照片确定为待识别照片;
通过所述装修风格检测模型对所述待识别照片进行人群风格特征提取,根据提取的所述人群风格特征确定出居住风格结果,同时对所述待识别照片进行色调特征提取,根据提取的所述色调特征确定出居住色调结果;
根据所有所述区域标签、所述居住风格结果和所述居住色调结果,映射出与各所述区域标签一一对应的所述装修色调风格结果。
7.如权利要求1所述的装修模拟图像生成方法,其特征在于,所述通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像,包括:
通过装修模拟图像生成模型,对与各所述区域标签对应的所述装修色调风格结果和所述待装修区域图像进行区域装修模拟图像生成,生成与各所述待装修区域图像对应的区域加工图像;
根据所有所述区域加工图像对所述待加工图像进行风格融合处理,得到所述待加工图像的装修模拟图像。
8.一种装修模拟图像生成装置,其特征在于,包括:
接收模块,用于接收装修图像生成请求,获取所述装修图像生成请求中的待装修语音文件、待加工图像和照片集;所述照片集包括家庭成员照片和与所述家庭成员照片关联的家庭成员标签;
类型识别模块,用于通过房屋功能区识别模型,对所述待装修语音文件进行语音识别和功能类型识别,得到功能类型结果;
标签识别模块,用于通过房屋区域识别模型,对所述待加工图像进行装修区域识别,识别出待装修区域图像结果;所述待装修区域图像结果包括初始图像、多个待装修区域图像以及与各所述待装修区域图像一一对应的区域标签;
风格识别模块,用于获取与所述功能类型结果匹配的所述家庭成员标签关联的所述家庭成员照片,通过装修风格检测模型对所有所述区域标签和获取的所有所述家庭成员照片进行装修风格特征提取,根据提取的装修风格特征输出与各所述区域标签一一对应的装修色调风格结果;
生成模块,用于通过装修模拟图像生成模型,根据所述待装修区域图像结果和所有所述装修色调风格结果,对所述初始图像进行模拟图像生成处理,输出装修模拟图像。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述装修模拟图像生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述装修模拟图像生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485270.6A CN113094801B (zh) | 2021-04-30 | 2021-04-30 | 装修模拟图像生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485270.6A CN113094801B (zh) | 2021-04-30 | 2021-04-30 | 装修模拟图像生成方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094801A CN113094801A (zh) | 2021-07-09 |
CN113094801B true CN113094801B (zh) | 2022-07-12 |
Family
ID=76681266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110485270.6A Active CN113094801B (zh) | 2021-04-30 | 2021-04-30 | 装修模拟图像生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094801B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081087B (zh) * | 2022-07-22 | 2023-01-06 | 深圳装速配科技有限公司 | 基于物联网的装修云设计方法、装置、设备及存储介质 |
CN115063124B (zh) * | 2022-08-18 | 2023-04-07 | 江苏艾佳家居用品有限公司 | 关注长期居住需求的数字化智能家装设计方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019178983A1 (zh) * | 2018-03-23 | 2019-09-26 | 平安科技(深圳)有限公司 | Vr看房方法、装置、计算机设备和存储介质 |
CN110766519A (zh) * | 2019-09-30 | 2020-02-07 | 万翼科技有限公司 | 一种房屋装修方案推荐系统及其方法 |
JP2020071544A (ja) * | 2018-10-29 | 2020-05-07 | 京セラ株式会社 | 情報表示装置、電子ペン、表示制御方法、及び表示制御プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126687A (zh) * | 2016-06-29 | 2016-11-16 | 北京小米移动软件有限公司 | 界面主题的推荐方法、装置、终端及服务器 |
-
2021
- 2021-04-30 CN CN202110485270.6A patent/CN113094801B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019178983A1 (zh) * | 2018-03-23 | 2019-09-26 | 平安科技(深圳)有限公司 | Vr看房方法、装置、计算机设备和存储介质 |
JP2020071544A (ja) * | 2018-10-29 | 2020-05-07 | 京セラ株式会社 | 情報表示装置、電子ペン、表示制御方法、及び表示制御プログラム |
CN110766519A (zh) * | 2019-09-30 | 2020-02-07 | 万翼科技有限公司 | 一种房屋装修方案推荐系统及其方法 |
Non-Patent Citations (2)
Title |
---|
Privacy, modesty, hospitality, and the design of Muslim homes: A literature review;Zulkeplee Othman 等;《Frontiers of Architectural Research》;20150331;第4卷(第1期);第12-23页 * |
让家人更亲近的装修秘诀;龚宝良 等;《建筑工人》;20130915;第57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113094801A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113094801B (zh) | 装修模拟图像生成方法、装置、设备及介质 | |
US20180260479A1 (en) | Method, apparatus, system and electronic device for picture book recognition | |
CN110851641B (zh) | 跨模态检索方法、装置和可读存储介质 | |
CN108734653B (zh) | 图像风格转换方法及装置 | |
CN110738102A (zh) | 一种人脸识别方法及系统 | |
CN109389076B (zh) | 图像分割方法及装置 | |
CN111223476B (zh) | 语音特征向量的提取方法、装置、计算机设备和存储介质 | |
CN111368118A (zh) | 一种图像描述生成方法、系统、装置和存储介质 | |
CN110738061B (zh) | 古诗词生成方法、装置、设备及存储介质 | |
CN111292334B (zh) | 一种全景图像分割方法、装置及电子设备 | |
CN113204659B (zh) | 多媒体资源的标签分类方法、装置、电子设备及存储介质 | |
CN111127668A (zh) | 一种角色模型生成方法、装置、电子设备和存储介质 | |
CN112837213A (zh) | 脸型调整图像生成方法、模型训练方法、装置和设备 | |
CN111222854B (zh) | 基于面试机器人的面试方法、装置、设备及存储介质 | |
CN112330534A (zh) | 动物脸风格图像生成方法、模型训练方法、装置和设备 | |
CN116977774A (zh) | 图像生成方法、装置、设备和介质 | |
CN115423936A (zh) | Ai虚拟人物和影像处理方法、系统、电子设备及存储介质 | |
CN113378852A (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
CN115935049A (zh) | 基于人工智能的推荐处理方法、装置及电子设备 | |
CN113590798A (zh) | 对话意图识别、用于识别对话意图的模型的训练方法 | |
CN113222841A (zh) | 一种图像处理方法、装置、设备及介质 | |
CN116071472B (zh) | 图像生成方法及装置、计算机可读存储介质、终端 | |
CN112347957A (zh) | 行人重识别方法、装置、计算机设备及存储介质 | |
CN109670047B (zh) | 一种抽象笔记生成方法、计算机装置及可读存储介质 | |
CN114821811B (zh) | 人物合成图像生成方法、装置、计算机设备及存储介质 |
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 |