CN113361125B - 一种基于双色反射模型的唇妆仿真方法及系统 - Google Patents
一种基于双色反射模型的唇妆仿真方法及系统 Download PDFInfo
- Publication number
- CN113361125B CN113361125B CN202110701811.4A CN202110701811A CN113361125B CN 113361125 B CN113361125 B CN 113361125B CN 202110701811 A CN202110701811 A CN 202110701811A CN 113361125 B CN113361125 B CN 113361125B
- Authority
- CN
- China
- Prior art keywords
- makeup
- image
- lip
- diffuse reflection
- reflection
- 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 24
- 238000004088 simulation Methods 0.000 title claims abstract description 17
- 239000002537 cosmetic Substances 0.000 claims abstract description 21
- 238000005286 illumination Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 9
- 230000001815 facial effect Effects 0.000 claims description 27
- 230000003042 antagnostic effect Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 230000001680 brushing effect Effects 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 claims description 2
- 238000000576 coating method Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 238000000926 separation method Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000510672 Cuminum Species 0.000 description 1
- 235000007129 Cuminum cyminum Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双色反射模型的唇妆仿真方法及系统，首先提出了一个唇妆数据集的建立方法，在此基础上以双色反射模型为指导思想，对输入目标图像和化妆品色样进行镜面高光与漫反射部分的分离，然后从漫反射分量和镜面反射分量两方面分别模拟妆效，最终合成唇妆的仿真效果。本发明建立一种新的妆容数据集，在考虑光照以及个人特征的同时，利用深度学习网络便捷地对唇妆进行了仿真，除此之外还考虑了化妆品在漫反射方面和镜面反射方面不同的影响模拟出使用化妆品后的颜色变化和高光变化。
Description
技术领域
本发明属于计算机图形学与人工智能技术领域，涉及一种唇妆仿真方法及系统，具体涉及一种基于双色反射模型的唇妆仿真方法及系统。
背景技术
古往今来，人类对美的追求孜孜不倦，化妆便是其中一项有力手段。如今化妆已成为很多人的日常，随着化妆品行业。的蓬勃发展，化妆品种类样式层出不穷，选择适合自己的化妆品从而达到理想的妆容修饰效果是大多购买者的诉求。
线下试妆是挑选化妆品的最直接方式，然而此种方式也最耗时耗力，同时线上购物的普及让很多人减少了外出购物的频率，由此通过虚拟试妆的方式来帮助人们进行线上选择化妆品成为当前一项热门课题。
虚拟试妆的方式会大大推动化妆品行业以及时尚产业等相关领域的发展，除此之外，由此影响到的电商平台的美妆模块也会得到蓬勃发展。
当前一些基于深度学习的妆容迁移方法能将示例图像中的妆容迁移过来，但是此类方法的局限在于迁移过程中没有考虑光照以及人物的皮肤颜色对参考妆容图像的影响。另一类依靠物理光学模型对妆效进行建模的方法，其仿真效果取决于皮肤及化妆品光学参数的精确度以及反射模型对真实世界光照反射的拟合程度。光学参数的直接获取需要精准的仪器设备和环境，间接获取会造成一定程度的误差，同时越精确的光照反射效果需要越复杂的物理反射模型。这些都是此类方法的局限所在。
发明内容
为了解决上述背景技术存在的不足，本发明提出了一种基于双色反射模型的唇妆仿真方法及系统。
本发明的方法所采用的技术方案是：一种基于双色反射模型的唇妆仿真方法，包括以下步骤：
步骤1：采集原始唇妆数据集，包含素颜人脸图像Is、口红色样图像Ic、带妆人脸图像Ir以及光照环境图像Il；
步骤2：将原始唇妆数据集中的素颜人脸图像Is、口红色样图像Ic和带妆人脸图像Ir分别基于双色反射模型原理进行漫反射分量与镜面反射分量分离操作后，分别与原始唇妆数据集中的光照环境图像Il构成漫反射唇妆数据集和镜面反射唇妆数据集；
所述漫反射唇妆数据集包括素颜人脸图像漫反射分量Isd、口红色样图像漫反射分量Icd、带妆人脸图像漫反射分量Ird与光照环境图像Il；所述镜面反射唇妆数据集包括素颜人脸镜面反射分量Iss、口红色样图像镜面反射分量Ics、带妆人脸图像镜面反射分量Irs与光照环境图像Il；
步骤3：使用漫反射唇妆数据集训练漫反射条件生成对抗网络，使用镜面反射唇妆数据集训练镜面反射条件生成对抗网络；
步骤4：将漫反射条件生成对抗网络输出的仿真带妆人脸图像漫反射分量IRd和镜面反射条件生成对抗网络输出的仿真带妆人脸图像镜面反射分量IRs合并得到仿真带妆人脸图像IR。
本发明的系统所采用的技术方案是：一种基于双色反射模型的唇妆仿真系统，包括以下模块：
模块1，用于采集原始唇妆数据集，包含素颜人脸图像Is、口红色样图像Ic、带妆人脸图像Ir以及光照环境图像Il；
模块2，用于将原始唇妆数据集中的素颜人脸图像Is、口红色样图像Ic和带妆人脸图像Ir分别基于双色反射模型原理进行漫反射分量与镜面反射分量分离操作后，分别与原始唇妆数据集中的光照环境图像Il构成漫反射唇妆数据集和镜面反射唇妆数据集；
所述漫反射唇妆数据集包括素颜人脸图像漫反射分量Isd、口红色样图像漫反射分量Icd、带妆人脸图像漫反射分量Ird与光照环境图像Il；所述镜面反射唇妆数据集包括素颜人脸镜面反射分量Iss、口红色样图像镜面反射分量Ics、带妆人脸图像镜面反射分量Irs与光照环境图像Il；
模块3，用于使用漫反射唇妆数据集训练漫反射条件生成对抗网络，使用镜面反射唇妆数据集训练镜面反射条件生成对抗网络；
模块4，用于将漫反射条件生成对抗网络输出的仿真带妆人脸图像漫反射分量IRd和镜面反射条件生成对抗网络输出的仿真带妆人脸图像镜面反射分量IRs合并得到仿真带妆人脸图像IR。
本发明的有益效果在于：现有的技术大都不考虑光照以及个人皮肤特征对妆容仿真的影响，其他考虑光照以及人物的个人特征影响的方法有反射模型建模繁琐的缺点。本发明建立一种新的妆容数据集，在考虑光照以及个人特征的同时，利用深度学习网络便捷地对唇妆进行了仿真，除此之外还考虑了化妆品在漫反射方面和镜面反射方面不同的影响模拟出使用化妆品后的颜色变化和高光变化。
附图说明
图1为本发明实施例的流程图，
图2为本发明实施例口红色样涂膜示意图，
图3为本发明实施例采集人脸图像和光照环境图像方法示意图，
图4为本发明实施例带妆唇部图像镜面分离结果示意图，
图5为本发明实施例口红色样图像镜面分离结果示意图，
图6为本发明实施例漫反射条件生成对抗网络和镜面反射条件生成对抗网络示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图和实施例对本发明作进一步的说明，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种基于双色反射模型的唇妆仿真方法，包括以下步骤：
步骤1：使用特定设备和采集方法采集原始唇妆数据集，原始唇妆数据集包含素颜人脸图像Is、口红色样图像Ic、带妆人脸图像Ir以及光照环境图像Il；
本实施例的原始唇妆数据集的采集方法包括以下子步骤：
步骤1.1：如图2，利用湿膜制备器在纯白的遮盖力测定卡纸上将液态口红涂出特定厚度的膜作为口红色样，将色样放入标准光源对色灯箱，选用D65光源进行拍摄得到口红色样图像Ic；
步骤1.2：模特在已知面积白纸下印下唇印，拍摄有唇印的白纸照片，通过照片中像素点统计获得模特唇部面积；
步骤1.3：如图3，使用三脚架固定手机，人脸面向光源，尽量保证当前环境有且仅有面部前方一个光源，手机后置摄像头拍摄人脸面部前方环境得到光照环境图像Il，手机前置摄像头拍摄素颜人脸图像Is，保持人脸姿势表情不变，利用唇刷将口红色样上与模特唇部面积相当的口红刷到人脸唇部，再次利用手机前置摄像头拍摄得到带妆人脸图像Ir。
步骤2：将原始唇妆数据集中的素颜人脸图像Is、口红色样图像Ic和带妆人脸图像Ir分别基于双色反射模型原理进行漫反射分量与镜面反射分量分离操作后，分别与原始唇妆数据集中的光照环境图像Il构成漫反射唇妆数据集和镜面反射唇妆数据集，图4和图5分别展示带妆唇部图像和口红色样图像的分离结果。
本实施例漫反射唇妆数据集包括素颜人脸图像漫反射分量Isd、口红色样图像漫反射分量Icd、带妆人脸图像漫反射分量Ird与光照环境图像Il；镜面反射唇妆数据集包括素颜人脸镜面反射分量Iss、口红色样图像镜面反射分量Ics、带妆人脸图像镜面反射分量Irs与光照环境图像Il；
本实施例漫反射分量与镜面反射分量分离方法的具体设计可采用现有技术，实施例实现参考“Real-time highlight removal using intensity ratio”。
步骤3：使用漫反射唇妆数据集训练漫反射条件生成对抗网络，使用镜面反射唇妆数据集训练镜面反射条件生成对抗网络，如图6；
本实施例中，条件生成对抗网络的具体设计可采用现有技术，实施例参考“Conditional Generative Adversarial Nets”。
本实施例中，漫反射条件生成对抗网络的具体设计为在条件生成对抗网络中加入漫反射损失函数用以约束漫反射分量的生成效果，网络包含一个生成器Gd和一个判别器Dd。生成器Gd用来生成仿真带妆人脸图像漫反射分量，包含编码器、特征融合和解码器，编码器用来提取输入图像的特征，特征融合操作将编码器提取的特征融合在一起，解码器根据输入的特征信息生成目标图像，判别器Dd用来区分是来自生成器生成的假的带妆漫反射分量还是真实的带妆漫反射分量。
本实施例中，漫反射条件生成对抗网络中的漫反射损失函数表示为：
Ldiffuse＝||Ird-IRd||2；
其中，Ird表示带妆人脸图像漫反射分量，IRd表示仿真带妆人脸图像漫反射分量。
本实施例中，镜面反射条件生成对抗网络的具体设计为在条件生成对抗网络中加入镜面反射损失函数用以约束镜面反射分量的生成效果，网络包含一个生成器Gs和一个判别器Ds。生成器Gs用来生成仿真带妆人脸图像镜面反射分量，包含编码器、特征融合和解码器，编码器用来提取输入图像的特征，特征融合操作将编码器提取的特征融合在一起，解码器根据输入的特征信息生成目标图像，判别器Ds用来区分是来自生成器生成的假的带妆镜面反射分量还是真实的带妆镜面反射分量。
本实施例中，镜面反射条件生成对抗网络中的镜面反射损失函数表示为：
Lspecular＝1-MSSIM(Irs,IRs)；
其中，MSSIM(Multiscale Structural Similarity)即多尺度结构相似性，具体参考“Multiscale structural similarity for image quality assessment”；Irs表示带妆人脸图像镜面反射分量，IRs表示仿真带妆人脸图像镜面反射分量。
步骤4：步骤4：将漫反射条件生成对抗网络输出的仿真带妆人脸图像漫反射分量IRd和镜面反射条件生成对抗网络输出的仿真带妆人脸图像镜面反射分量IRs合并得到仿真带妆人脸图像IR。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种基于双色反射模型的唇妆仿真方法，其特征在于，包括以下步骤：
步骤1：采集原始唇妆数据集，包含素颜人脸图像Is、口红色样图像Ic、带妆人脸图像Ir以及光照环境图像Il；
步骤2：将原始唇妆数据集中的素颜人脸图像Is、口红色样图像Ic和带妆人脸图像Ir分别基于双色反射模型原理进行漫反射分量与镜面反射分量分离操作后，分别与原始唇妆数据集中的光照环境图像Il构成漫反射唇妆数据集和镜面反射唇妆数据集；
所述漫反射唇妆数据集包括素颜人脸图像漫反射分量Isd、口红色样图像漫反射分量Icd、带妆人脸图像漫反射分量Ird与光照环境图像Il；所述镜面反射唇妆数据集包括素颜人脸镜面反射分量Iss、口红色样图像镜面反射分量Ics、带妆人脸图像镜面反射分量Irs与光照环境图像Il；
步骤3：使用漫反射唇妆数据集训练漫反射条件生成对抗网络，使用镜面反射唇妆数据集训练镜面反射条件生成对抗网络；
步骤4：将漫反射条件生成对抗网络输出的仿真带妆人脸图像漫反射分量IRd和镜面反射条件生成对抗网络输出的仿真带妆人脸图像镜面反射分量IRs合并得到仿真带妆人脸图像IR。
2.根据权利要求1所述的基于双色反射模型的唇妆仿真方法，其特征在于，步骤1的具体实现包括以下子步骤：
步骤1.1：利用线棒涂布器或湿膜制备器在纯白的遮盖力测定卡纸上将液态口红涂出预定厚度的膜作为口红色样，将色样放入标准光源对色灯箱进行拍摄得到口红色样图像Ic；
步骤1.2：模特在已知面积白纸下印下唇印，拍摄有唇印的白纸照片，通过照片中像素点统计获得模特唇部面积；
步骤1.3：使用三脚架固定手机，手机后置摄像头拍摄人脸面部前方环境得到光照环境图像Il，手机前置摄像头拍摄素颜人脸图像Is，保持人脸姿势表情不变，利用唇刷将口红色样上与模特唇部面积相当的口红刷到人脸唇部，再次利用手机前置摄像头拍摄得到带妆人脸图像Ir。
3.根据权利要求1所述的基于双色反射模型的唇妆仿真方法，其特征在于：步骤3中，所述漫反射条件生成对抗网络，在条件生成对抗网络中加入漫反射损失函数用以约束漫反射分量的生成效果，网络包含一个生成器Gd和一个判别器Dd；所述生成器Gd用来生成仿真带妆人脸图像漫反射分量，包含编码器、特征融合和解码器，编码器用来提取输入图像的特征，特征融合操作将编码器提取的特征融合在一起，解码器根据输入的特征信息生成目标图像；所述判别器Dd用来区分是来自生成器生成的假的带妆漫反射分量还是真实的带妆漫反射分量。
4.根据权利要求1所述的基于双色反射模型的唇妆仿真方法，其特征在于：步骤3中，所述镜面反射条件生成对抗网络，在条件生成对抗网络中加入镜面反射损失函数用以约束镜面反射分量的生成效果，网络包含一个生成器Gs和一个判别器Ds；所述生成器Gs用来生成仿真带妆人脸图像镜面反射分量，包含编码器、特征融合和解码器，编码器用来提取输入图像的特征，特征融合操作将编码器提取的特征融合在一起，解码器根据输入的特征信息生成目标图像；所述判别器Ds用来区分是来自生成器生成的假的带妆镜面反射分量还是真实的带妆镜面反射分量。
5.一种基于双色反射模型的唇妆仿真系统，其特征在于，包括以下模块：
模块1，用于采集原始唇妆数据集，包含素颜人脸图像Is、口红色样图像Ic、带妆人脸图像Ir以及光照环境图像Il；
模块2，用于将原始唇妆数据集中的素颜人脸图像Is、口红色样图像Ic和带妆人脸图像Ir分别基于双色反射模型原理进行漫反射分量与镜面反射分量分离操作后，分别与原始唇妆数据集中的光照环境图像Il构成漫反射唇妆数据集和镜面反射唇妆数据集；
所述漫反射唇妆数据集包括素颜人脸图像漫反射分量Isd、口红色样图像漫反射分量Icd、带妆人脸图像漫反射分量Ird与光照环境图像Il；所述镜面反射唇妆数据集包括素颜人脸镜面反射分量Iss、口红色样图像镜面反射分量Ics、带妆人脸图像镜面反射分量Irs与光照环境图像Il；
模块3，用于使用漫反射唇妆数据集训练漫反射条件生成对抗网络，使用镜面反射唇妆数据集训练镜面反射条件生成对抗网络；
模块4，用于将漫反射条件生成对抗网络输出的仿真带妆人脸图像漫反射分量IRd和镜面反射条件生成对抗网络输出的仿真带妆人脸图像镜面反射分量IRs合并得到仿真带妆人脸图像IR。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110701811.4A CN113361125B (zh) | 2021-06-24 | 2021-06-24 | 一种基于双色反射模型的唇妆仿真方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110701811.4A CN113361125B (zh) | 2021-06-24 | 2021-06-24 | 一种基于双色反射模型的唇妆仿真方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361125A CN113361125A (zh) | 2021-09-07 |
| CN113361125B true CN113361125B (zh) | 2022-04-29 |
Family
ID=77535924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110701811.4A Active CN113361125B (zh) | 2021-06-24 | 2021-06-24 | 一种基于双色反射模型的唇妆仿真方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361125B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113762212A (zh) * | 2021-09-27 | 2021-12-07 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009303018A (ja) * | 2008-06-16 | 2009-12-24 | Nippon Telegr & Teleph Corp <Ntt> | 画像変換装置、画像変換方法、画像変換プログラム及び画像変換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 |
| CN110796648A (zh) * | 2019-10-28 | 2020-02-14 | 南京泓图人工智能技术研究院有限公司 | 一种基于黑色素提取的面部黄褐斑区域自动分割方法 |
| CN110992248A (zh) * | 2019-11-27 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 唇妆特效的显示方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11030798B2 (en) * | 2019-01-30 | 2021-06-08 | Perfect Mobile Corp. | Systems and methods for virtual application of makeup effects based on lighting conditions and surface properties of makeup effects |
-
2021
- 2021-06-24 CN CN202110701811.4A patent/CN113361125B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009303018A (ja) * | 2008-06-16 | 2009-12-24 | Nippon Telegr & Teleph Corp <Ntt> | 画像変換装置、画像変換方法、画像変換プログラム及び画像変換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 |
| CN110796648A (zh) * | 2019-10-28 | 2020-02-14 | 南京泓图人工智能技术研究院有限公司 | 一种基于黑色素提取的面部黄褐斑区域自动分割方法 |
| CN110992248A (zh) * | 2019-11-27 | 2020-04-10 | 腾讯科技（深圳）有限公司 | 唇妆特效的显示方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361125A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Generative adversarial networks for image and video synthesis: Algorithms and applications | |
| JP7200139B2 (ja) | 仮想顔化粧の除去、高速顔検出およびランドマーク追跡 | |
| CN110428491B (zh) | 基于单帧图像的三维人脸重建方法、装置、设备及介质 | |
| JP4435809B2 (ja) | 仮想化粧装置及びその方法 | |
| US10922860B2 (en) | Line drawing generation | |
| US7200281B2 (en) | System and method for image-based surface detail transfer | |
| Liao et al. | Automatic caricature generation by analyzing facial features | |
| WO2019135935A1 (en) | Systems and methods for rendering avatars with deep appearance models | |
| JP2004094917A (ja) | 仮想化粧装置及びその方法 | |
| US20100189357A1 (en) | Method and device for the virtual simulation of a sequence of video images | |
| Kumar et al. | A comprehensive survey on non-photorealistic rendering and benchmark developments for image abstraction and stylization | |
| Pham et al. | Generative adversarial talking head: Bringing portraits to life with a weakly supervised neural network | |
| CN111950430A (zh) | 基于颜色纹理的多尺度妆容风格差异度量及迁移方法、系统 | |
| Rosin et al. | Benchmarking non-photorealistic rendering of portraits | |
| CN113361125B (zh) | 一种基于双色反射模型的唇妆仿真方法及系统 | |
| Zhao et al. | Research on the application of computer image processing technology in painting creation | |
| Danieau et al. | Automatic generation and stylization of 3d facial rigs | |
| CN109285208A (zh) | 基于表情动态模板库的虚拟角色表情卡通化算法 | |
| Qiu et al. | Relitalk: Relightable talking portrait generation from a single video | |
| FR2920938A1 (fr) | Procede et dispositif de simulation virtuelle d'une image | |
| Fidaleo et al. | Analysis of co‐articulation regions for performance‐driven facial animation | |
| Laishram et al. | High-Quality Face Caricature via Style Translation | |
| CN114385883B (zh) | 一种在风格转换中近似模拟皴法的轮廓增强方法 | |
| Sarkar et al. | Simple Domain Adaptation for CAD based Object Recognition. | |
| Stork | Computer analysis of lighting style in fine art: steps towards inter-artist studies |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231204 Address after: 401135 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing Patentee after: Chongqing Research Institute of Wuhan University of Technology Address before: 430070 Hubei Province, Wuhan city Hongshan District Luoshi Road No. 122 Patentee before: WUHAN University OF TECHNOLOGY |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20240510 Address after: No. 19 Zhuoyue Road, Longxing Town, Yubei District, Chongqing, 404100 (cluster registration) Patentee after: Chongqing Wurong Technology Co.,Ltd. Country or region after: China Address before: 401135 No. 618 Liangjiang Avenue, Longxing Town, Yubei District, Chongqing Patentee before: Chongqing Research Institute of Wuhan University of Technology Country or region before: China |