CN114120412A - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN114120412A CN114120412A CN202111433014.9A CN202111433014A CN114120412A CN 114120412 A CN114120412 A CN 114120412A CN 202111433014 A CN202111433014 A CN 202111433014A CN 114120412 A CN114120412 A CN 114120412A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- avatar
- target
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种图像处理方法和装置,涉及计算机技术领域,尤其涉及增强/虚拟现实、图像处理等人工智能技术领域。实现方案为:获取包含目标对象的第一图像,其中,目标对象包括多个目标对象结构;以及基于第一图像,生成包含虚拟形象的第二图像,其中,虚拟形象具有与多个目标对象结构分别对应的多个虚拟对象结构,并且多个虚拟对象结构指示虚拟形象对应于目标对象。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及增强/虚拟现实、图像处理等人工智能技术领域,具体涉及一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
元宇宙(Metaverse)是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态,它基于扩展现实技术提供沉浸式体验,基于数字孪生技术生成现实世界的镜像,基于区块链技术搭建经济体系,将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合,并且允许每个用户进行内容生产和世界编辑。
随着元宇宙的兴起,基于人工智能的图像技术,根据所获取的人脸图像,生成与人脸相似的虚拟形象和包含该虚拟形象的图像,受到人们的广泛关注。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:获取包含目标对象的第一图像,其中,所述目标对象包括多个目标对象结构;以及基于所述第一图像,生成包含虚拟形象的第二图像,其中,所述虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述目标对象。
根据本公开的另一方面,提供了一种图像处理装置,包括:第一获取单元,被配置用于获取包含目标对象的第一图像,其中,所述目标对象包括多个目标对象结构;虚拟形象生成单元,被配置用于基于所述第一图像,生成包含虚拟形象的第二图像,其中,所述虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述目标对象。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器实现根据上述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机实现根据上述的方法。
根据本公开的另一方面,提供了一种计算机程序产品包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的一个或多个实施例,通过包含目标对象的图像,生成包含对应于该目标对象的虚拟形象的图像,使生成虚拟形象的方法简单、高效并且成本低。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的图像处理方法中中获取包含目标对象的第一图像的过程的流程图;
图4示出了根据本公开的实施例的图像处理方法中基于第一图像生成包含虚拟形象的第二图像的过程的流程图;
图5示出了根据本公开的实施例的图像处理方法中使用的虚拟形象生成模型所构成的训练网络组的架构图;
图6示出了根据本公开的实施例的图像处理装置的结构框图;以及
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来观看包含虚拟形象的图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和对象文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
参看图2,根据本公开的一些实施例的一种图像处理方法200包括:
步骤S210:获取包含目标对象的第一图像;以及
步骤S220:基于所述第一图像,生成包含虚拟形象的第二图像。
其中,在步骤S210中,目标对象包括多个目标对象结果,在步骤S220中,虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述目标对象。
通过包含目标对象的第一图像,生成包含对应于该目标对象的虚拟形象的第二图像,使生成虚拟形象的方法简单、高效并且成本低。
在相关技术中,生成虚拟形象,往往需要美术人员手动进行设计、生成、微调等操作,使生成虚拟形象的时间长、门槛高、成本高、迭代周期长等。
根据本公开的实施例,直接对来自用户输入的包含目标对象的第一图像进行处理,基于第一图像生成与目标对象对应的虚拟形象的第二图像,不需要美术人员的手动涉及、生成等过程,使得虚拟形象的生成过程大大简化,提高虚拟形象的生成效率,减少生产成本。同时,根据本公开的实施例,生成的虚拟形象的多个虚拟对象结构指示该虚拟形象对应于该目标对象,即实现通过虚拟形象的多个虚拟对象结构就能识别该虚拟形象是对应于该目标对象的,简化虚拟形象的生成过程的同时,提升虚拟形象和目标对象的相似度。
例如,在通过包含人脸的第一图像获得对应于该人脸的虚拟形象的第二图像的过程中,对于分别包含不同人脸的多个第一图像分别获得对应的第二图像,即对于分别包含不同人脸的多个第一图像获得多个第二图像,其中多个第二图像的每一个第二图像中的虚拟形象对应于多个第一图像中的一个第一图像中的人脸。根据本公开的实施例,虚拟形象的多个虚拟对象结构指示虚拟形象对应于述目标对象,即对于多个第二图像中的每一个第二图像,通过该第二图像中的虚拟形象的多个虚拟对象结构,就能识别该第二图像对应于多个第一图像中的哪一个第一图像的人脸,简化虚拟形象的生成过程的同时,提高虚拟形象和目标对象的相似度。
在一些实施例中,目标对象可以是人脸,目标对象的多个对象结构可以包括人脸上的眼睛、鼻子、嘴巴、眉毛等结构。
在另一些实施例中,目标对象可以是动物的脸部,目标对象的多个对象结构可以包括动物的眼睛、鼻子、嘴巴和胡子等结构。
在一些实施例中,目标对象包括人体全部,目标对象的多个对象结构可以包括头部、颈部、身体、四肢以及人脸上的五官等。
在另一些实施例中,目标对象可以是动物的整个身体,目标对象的多个对象结构可以包括动物的耳朵、四肢等结构。
在一些实施例中,虚拟形象可以是为人脸或动物的脸部对应的三维虚拟人脸,或者是与人体或动物的身体对应的三维虚拟模型。
在一些实施例中,目标对象为人脸,如图3所示,获取包含目标对象的第一图像包括:
步骤S310:对包含人脸的目标图像执行关键点检测,以获得多个关键点;以及
步骤S320:基于所述多个关键点,对所述目标图像执行人脸对齐,以获得所述第一图像。
当目标对象为人脸时,通过对人脸进行关键点检测并关基于键点检测所得到的关键点对人脸进行人脸对齐,使基于经过人脸对齐处理的第一图像生成的包含虚拟形象的第二图像更加准确,第二图像中的虚拟形象与第一图像中的人脸更加相似。
在一些实施例中,在步骤S310中,通过对人脸进行72个关键点检测,分别获得72个关键点坐标,在步骤S320中,基于72个关键点坐标调整图像中的人脸,使人脸为正脸,并且基于72个关键点获得包含人脸检测框的,基于人脸检测框获得人脸区域,该人脸区域为第一图像。
在一些实施例中,在步骤S320中还包括基于所获取的人脸检测框,获得预设尺寸的人脸区域作为第一图像。例如,通过扩大检测框,获得扩大的检测框所包围的区域作为第一图像。
在一些实施例中,在获得第一图像之后还对第一图像进行数据增强处理。
在一些实施例中,如图4所示,基于所述第一图像,生成包含虚拟形象的第二图像包括:
步骤S410:提取所述第一图像中所述目标对象的特征,所述目标对象的特征包括所述多个目标对象结构的几何空间特征;以及
步骤S420:基于所提取的所述目标对象的特征,获得所述第二图像。
通过提取多个目标对象结构的几何空间特征,并基于几何空间特征,获得包含虚拟形象的第二图像,使所生成的虚拟形象的多个虚拟对象结构与目标对象的多个目标对象结构在几何空间上的特征相似,从而使该虚拟对象与目标对象相似。
例如,目标对象为人脸,第一图像为人脸的自拍照,虚拟形象是该人脸对应的阿凡达(Avatar)模型的照片,并且该阿凡达模型上的虚拟对象结构(例如眼睛、鼻子、嘴巴等)与第一图像中的人脸的目标对象结构相似,从而指示该阿凡达模型对应于第一图像中的人脸。
在一些实施例中,多个目标对象结构的几何空间特征例如可以是各个目标对象的尺寸、多个目标对象结构之间的相互的空间位置或相对方向关系。例如,当目标对象为人脸时,几何空间特征可以是脸型、双眼之间的距离等等。
在一些实施例中,所述目标对象的特征还包括所述目标对象的颜色空间特征。
通过基于目标对象的颜色空间特征,生成包含虚拟对象的第二图像,进一步提升生成的虚拟形象与目标对象的相似度。
在一些实施例中,颜色空间特征例如可以是灰度统计特征,RGB像素特征等等。例如,当目标对象是人脸时,人脸上的眼睛颜色、肤色等为颜色空间特征。
在一些实施例中,基于所述第一图像,生成包含虚拟形象的第二图像包括:利用图像处理模型处理第一图像,以获得虚拟形象的第二图像。
在一些实施例中,图像处理模型包括自注意力的虚拟形象生成模型。
在一些实施例中,该虚拟形象生成模型通过采用包含训练目标对象的训练图像和包含与训练图像中的训练目标对象对应的虚拟形象的图像进行对抗训练而来。
在一些实施例中,在一些实施例中,该虚拟形象生成模型通过与生成网络和判别网络构成的循环网络,采用解耦(unpaired)的训练图像集进行循环训练而来。
例如,通过将第一生成网络、第一判别网络、第二生成网络和第二判别网络构成训练网络组,采用解耦(unpaired)的训练图像集进行循环训练,最终得到经训练的第一生成网络作为虚拟形象生成模型。
具体的,所获得的解耦(unpaired)的训练图像集包括多个第一训练图像和多个第二训练图像,其中,对于多个第一训练图像中的每一个第一训练图像,该第一训练图像包括包含相应的目标对象,对于多个第二训练图像中的每一个第二训练图像,该第二训练图像包括包含有相应的虚拟对象并且该相应的虚拟对象具有指示目标风格的属性特征。
参看图5,示出了训练网络组的架构示意图,其中训练网络组500包括第一生成网络510、第一判别网络520、第二生成网络530和第二判别网络540。
在训练过程中,对于多个第一训练图像中的每一个第一训练图像,将该第一训练图像与所述第二训练图像集中的每一个第二训练图像组成训练图像对,以获得该第一训练图像对应的多个训练图像对,并且,采用该第一训练图像对应的多个训练图像对对上述训练网络组进行一次循环训练,最终完成分别对应于多个第一训练图像的多次循环训练。
其中,对于每一次循环训练,对于该第一训练图像对应的多个训练图像对中的每一个训练对象对进行如图5所示的训练过程,其中,包括:
将该训练图像对中的第一训练图像501A输入至所述第一生成网络510,以获得与该第一训练图像对应的第一生成图像501B’,该第一生成图像501B’包括所第一训练图像501A相应的目标对象对应的生成虚拟对象,该生成虚拟对象包括多个生成虚拟对象结构;以及,将该训练图像对中的第二训练图像502B输入至第二生成网络530,以获得与该第二训练图像502B对应的第二生成图像502A’,该第二生成图像502A’包括与该第二训练图像502B对应的虚拟对象对应的生成目标对象,该生成目标对象包括多个生成目标对象结构。
将该第一训练图像501A和该第二生成图像502A’输入至所述第一判别网络520,以获得与该第一训练图像501A和该第二生成图像之间502A’的相似度相关的第一判别结果;以及将该第二训练图像502B和该第一生成图像501B’输入至所述第二判别网络540,以获得与该第二训练图像502B和该第一生成图像501B’之间的相似度相关的第二判别结果;以及
基于该第一判别结果和该第二判别结果调整所述第一生成网络510和第二生成网络520、所述第一判别网络530和所述第二判别网络540的参数。
在一些示例中,上述解耦(unpaired)的训练图像集中的多个第一训练图像为多个采用摄像装置获得的图像。
在一些示例中,上述解耦(unpaired)的训练图像集中的多个第二训练图像为通过获得美术人员手动设计等方法获得的虚拟形象的图像而获得。例如,通过采集阿凡达电影的虚拟形象的图像等。
在一些示例中,上述第一生成网络和第二生成网络包括自注意力特征提取网络。
在一些示例中,第一判别网络通过提取第一训练图像相应的目标对象的多个目标对象结构的第一几何空间特征和该第二生成图像相应的生成目标对象的多个生成目标对象结构的第二几何空间特征,并基于该第一几何空间特征和该第二几何空间特征,获得第一训练图像和该第二生成图像的相似度,以进一步基于该相似度获得第一判别结果。
通过上述过程,使第一生成网络的输入图像中的目标对象和经训练的第二生成网络的第二生成图像的输出图像中的相应的生成目标对象之间几何空间特征相似。由于该几何空间特征相似,使经训练的第二生成网络能够生成和目标对象更加相似的生成目标对象。从而使经过与该第二生成网络一起构成训练网络组进行训练的第一生成网络能够获得基于对抗损失训练的效果。
在一些示例中,第二判别网络通过提取该第二训练图像对应于目标风格的第一属性特征和该第一生成图像的对应于目标风格的第二属性特征,并基于该第一属性特征和该第二属性特征,获得该第一训练图像和该第二生成图像的相似度,以进一步基于该相似度获得第二判别结果。
通过上述过程,使第二生成网络的第二训练图像中虚拟形象的风格和经训练的第一生成网络的第二生成图像的生成虚拟形象之间的风格相似。从而使经训练的第一生成网络能够生成与虚拟形象的风格相似的第一生成图像。
经过上述循环训练,从而获得经训练的第一生成网络510作为虚拟形象生成模型。其中,虚拟形象生成模型可以基于任意包含目标对象的图像,获得与目标风格相对应的虚拟形象,该虚拟形象与该目标对象相似。
需要说明的是,上述虚拟形象生成模型采用通过与生成网络和判别网络构成的循环网络,并且采用解耦(unpaired)的训练图像集进行循环训练而来,仅仅是示例性的,本领域技术人员应当理解,还可以采用生成对抗损失的训练过程获得上述虚拟形象生成模型。
在一些实施例中,从多个风格类型中获取目标风格类型;并且其中,基于所述第一图像,生成包含虚拟形象的第二图像包括:
基于所述第一图像和所述目标属性,生成包含所述虚拟形象的所述第二图像,其中,所述虚拟形象还包括用于从所述多个风格类型中识别所述目标风格类型的特征。
通过确定要生成的虚拟形象的目标风格类型,可以使生成的虚拟形象具有目标风格类型,实现虚拟形象的多风格化定制。
例如,通过用户输入的对应于目标风格类型的指令,从多个风格类型中获取目标风格类型并且从对应于多个风格类型的多个虚拟形象生成模型中,确定对应于目标风格类型的虚拟形象生成模型,使生成的虚拟形象具有目标风格类型。其中,多个虚拟形象生成模型中的每一个虚拟形象生成模型可以通过上述参考图5描述的训练方式获得。
在一些实施例中,多个风格类型包括:古风类型、漫画类型、玩偶类型、油画类型和山水类型。
在一些示例中,对应于古风类型的虚拟形象具有相应的古风头饰、着装或妆容等。
在一些示例中,对应于漫画类型的虚拟形象具有漫画人物的五官形状和妆容等。
在一些示例中,对应于玩偶类型的虚拟形象具有玩偶的五官形状。
在一些示例中,对应于油画类型的虚拟形象具有油画质感的肤色、五官颜色等。
在一些示例中,对应于山水类型的虚拟形象具有山水画质感的肤色、五官颜色等。在另一些实施例中,多个风格类型还包括阿凡达风格、迪士尼风格等等,在此并不限定。
需要说明的是,上述风格类型仅仅是示例性的,本领域技术人员应当理解,还可以设置其他风格类型,在此并不限定。
根据本公开的另一方面,还提供一种图像处理装置,如图6所示,装置600包括:第一获取单元610,被配置用于获取包含目标对象的第一图像,其中,所述目标对象包括多个目标对象结构;以及虚拟形象生成单元620,被配置用于基于所述第一图像,生成包含虚拟形象的第二图像,其中,所述虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述第一目标对象。
在一些实施例中,所述第一获取单元610包括:检测单元,被配置用于对包含人脸的目标图像执行关键点检测,以获得多个关键点;以及人脸对齐单元,被配置用于基于所述多个关键点,对所述目标图像执行人脸对齐,以获得所述第一图像。
在一些实施例中,所述虚拟形象生成单元620包括:特征提取单元,被配置用于提取所述第一图像中所述目标对象的特征,所述目标对象的特征包括所述多个目标对象结构的几何空间特征;以及生成子单元,被配置用于基于所提取的所述目标对象的特征,获得所述第二图像。
在一些实施例中,所述目标对象的特征还包括所述目标对象的颜色空间特征。
在一些实施例中,装置600还包括:第二获取单元,被配置用于从多个风格类型中获取目标风格类型;并且其中,所述虚拟形象生成单元620还被配置用于:基于所述第一图像和所述目标属性,生成包含所述虚拟形象的第二图像,其中,所述虚拟形象还包括用于从所述多个风格类型中识别所述目标风格类型的特征。
在一些实施例中,所述多个风格类型包括:古风类型、漫画类型、玩偶类型、油画类型和山水类型。
根据本公开的另一方面,还提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有计算机程序,所述计算机程序在被所述至少一个处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据上述的方法。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、对象/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (15)
1.一种图像处理方法,包括:
获取包含目标对象的第一图像,其中,所述目标对象包括多个目标对象结构;以及
基于所述第一图像,生成包含虚拟形象的第二图像,其中,
所述虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述目标对象。
2.根据权利要求1所述的方法,其中,所述目标对象包括人脸,所述获取包含目标对象的第一图像包括:
对包含人脸的目标图像执行关键点检测,以获得多个关键点;以及
基于所述多个关键点,对所述目标图像执行人脸对齐,以获得所述第一图像。
3.根据权利要求1所述的方法,其中,所述基于所述第一图像,生成包含虚拟形象的第二图像包括:
提取所述第一图像中所述目标对象的特征,所述目标对象的特征包括所述多个目标对象结构的几何空间特征;以及
基于所提取的所述目标对象的特征,获得所述第二图像。
4.根据权利要求3所述的方法,其中,所述目标对象的特征还包括所述目标对象的颜色空间特征。
5.根据权利要求1所述的方法,还包括:
从多个风格类型中获取目标风格类型;并且其中,基于所述第一图像,生成包含虚拟形象的第二图像包括:
基于所述第一图像和所述目标属性,生成包含所述虚拟形象的第二图像,其中,所述虚拟形象还包括用于从所述多个风格类型中识别所述目标风格类型的特征。
6.根据权利要求5所述的方法,其中,所述多个风格类型包括:古风类型、漫画类型和玩偶类型。
7.一种图像处理装置,包括:
第一获取单元,被配置用于获取包含目标对象的第一图像,其中,所述目标对象包括多个目标对象结构;
虚拟形象生成单元,被配置用于基于所述第一图像,生成包含虚拟形象的第二图像,其中,
所述虚拟形象具有与所述多个目标对象结构分别对应的多个虚拟对象结构,并且所述多个虚拟对象结构指示所述虚拟形象对应于所述第一目标对象。
8.根据权利要求7所述的装置,其中,所述第一获取单元包括:
检测单元,被配置用于对包含人脸的目标图像执行关键点检测,以获得多个关键点;以及
人脸对齐单元,被配置用于基于所述多个关键点,对所述目标图像执行人脸对齐,以获得所述第一图像。
9.根据权利要求7所述的装置,其中,所述虚拟形象生成单元包括:
特征提取单元,被配置用于提取所述第一图像中所述目标对象的特征,所述目标对象的特征包括所述多个目标对象结构的几何空间特征;以及
生成子单元,被配置用于基于所提取的所述目标对象的特征,获得所述第二图像。
10.根据权利要求9所述的装置,其中,所述目标对象的特征还包括所述目标对象的颜色空间特征。
11.根据权利要求7所述的装置,还包括:
第二获取单元,被配置用于从多个风格类型中获取目标风格类型;并且其中,所述虚拟形象生成单元还被配置用于:
基于所述第一图像和所述目标属性,生成包含所述虚拟形象的第二图像,其中,所述虚拟形象还包括用于从所述多个风格类型中识别所述目标风格类型的特征。
12.根据权利要求11所述的装置,其中,所述多个风格类型包括:古风类型、漫画类型、玩偶类型、油画类型和山水类型。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任意一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433014.9A CN114120412B (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111433014.9A CN114120412B (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114120412A true CN114120412A (zh) | 2022-03-01 |
CN114120412B CN114120412B (zh) | 2022-12-09 |
Family
ID=80371305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111433014.9A Active CN114120412B (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120412B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110415306A (zh) * | 2018-04-27 | 2019-11-05 | 苹果公司 | 使用生成对抗网络的面部合成 |
CN111539903A (zh) * | 2020-04-16 | 2020-08-14 | 北京百度网讯科技有限公司 | 训练人脸图像合成模型的方法和装置 |
CN111553235A (zh) * | 2020-04-22 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 保护隐私的网络训练方法、身份识别方法及装置 |
CN111589156A (zh) * | 2020-05-20 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
CN111652049A (zh) * | 2020-04-17 | 2020-09-11 | 北京三快在线科技有限公司 | 人脸图像处理模型训练方法、装置、电子设备及存储介质 |
CN111782921A (zh) * | 2020-03-25 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 检索目标的方法和装置 |
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 |
CN112307995A (zh) * | 2020-11-05 | 2021-02-02 | 电子科技大学 | 一种基于特征解耦学习的半监督行人重识别方法 |
CN112733794A (zh) * | 2021-01-22 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 人脸图像的视线矫正方法、装置、设备及存储介质 |
CN112950661A (zh) * | 2021-03-23 | 2021-06-11 | 大连民族大学 | 一种基于注意力生成对抗网络人脸卡通画生成方法 |
CN112949535A (zh) * | 2021-03-15 | 2021-06-11 | 南京航空航天大学 | 一种基于生成式对抗网络的人脸数据身份去识别方法 |
CN113112580A (zh) * | 2021-04-20 | 2021-07-13 | 北京字跳网络技术有限公司 | 一种虚拟形象的生成方法、装置、设备及介质 |
CN113361489A (zh) * | 2021-07-09 | 2021-09-07 | 重庆理工大学 | 基于解耦表示的人脸正面化模型构建方法和训练方法 |
CN113542758A (zh) * | 2020-04-15 | 2021-10-22 | 辉达公司 | 生成对抗神经网络辅助的视频压缩和广播 |
CN113569614A (zh) * | 2021-02-23 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 虚拟形象生成方法、装置、设备及存储介质 |
CN113643412A (zh) * | 2021-07-14 | 2021-11-12 | 北京百度网讯科技有限公司 | 虚拟形象的生成方法、装置、电子设备及存储介质 |
CN113705316A (zh) * | 2021-04-13 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 获取虚拟图像的方法、装置、设备及存储介质 |
-
2021
- 2021-11-29 CN CN202111433014.9A patent/CN114120412B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110415306A (zh) * | 2018-04-27 | 2019-11-05 | 苹果公司 | 使用生成对抗网络的面部合成 |
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 |
CN111782921A (zh) * | 2020-03-25 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 检索目标的方法和装置 |
CN113542758A (zh) * | 2020-04-15 | 2021-10-22 | 辉达公司 | 生成对抗神经网络辅助的视频压缩和广播 |
CN111539903A (zh) * | 2020-04-16 | 2020-08-14 | 北京百度网讯科技有限公司 | 训练人脸图像合成模型的方法和装置 |
CN111652049A (zh) * | 2020-04-17 | 2020-09-11 | 北京三快在线科技有限公司 | 人脸图像处理模型训练方法、装置、电子设备及存储介质 |
CN111553235A (zh) * | 2020-04-22 | 2020-08-18 | 支付宝(杭州)信息技术有限公司 | 保护隐私的网络训练方法、身份识别方法及装置 |
CN111589156A (zh) * | 2020-05-20 | 2020-08-28 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
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 |
CN112307995A (zh) * | 2020-11-05 | 2021-02-02 | 电子科技大学 | 一种基于特征解耦学习的半监督行人重识别方法 |
CN112733794A (zh) * | 2021-01-22 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 人脸图像的视线矫正方法、装置、设备及存储介质 |
CN113569614A (zh) * | 2021-02-23 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 虚拟形象生成方法、装置、设备及存储介质 |
CN112949535A (zh) * | 2021-03-15 | 2021-06-11 | 南京航空航天大学 | 一种基于生成式对抗网络的人脸数据身份去识别方法 |
CN112950661A (zh) * | 2021-03-23 | 2021-06-11 | 大连民族大学 | 一种基于注意力生成对抗网络人脸卡通画生成方法 |
CN113705316A (zh) * | 2021-04-13 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 获取虚拟图像的方法、装置、设备及存储介质 |
CN113112580A (zh) * | 2021-04-20 | 2021-07-13 | 北京字跳网络技术有限公司 | 一种虚拟形象的生成方法、装置、设备及介质 |
CN113361489A (zh) * | 2021-07-09 | 2021-09-07 | 重庆理工大学 | 基于解耦表示的人脸正面化模型构建方法和训练方法 |
CN113643412A (zh) * | 2021-07-14 | 2021-11-12 | 北京百度网讯科技有限公司 | 虚拟形象的生成方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
MUKHIDDIN TOSHPULATOV 等: "Generative adversarial networks and their application to 3D face", 《IMAGE AND VISION COMPUTING》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114120412B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695471B (zh) | 虚拟形象生成方法、装置、设备以及存储介质 | |
CN113313650B (zh) | 图像画质增强方法、装置、设备和介质 | |
CN116051729B (zh) | 三维内容生成方法、装置和电子设备 | |
CN113362263A (zh) | 变换虚拟偶像的形象的方法、设备、介质及程序产品 | |
CN114723888B (zh) | 三维发丝模型生成方法、装置、设备、存储介质及产品 | |
CN114972958B (zh) | 关键点检测方法、神经网络的训练方法、装置和设备 | |
CN115409922B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
CN115239888B (zh) | 用于重建三维人脸图像的方法、装置、电子设备和介质 | |
CN112967356A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN115661375B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
CN114119935B (zh) | 图像处理方法和装置 | |
CN116311519B (zh) | 动作识别方法、模型训练方法及装置 | |
CN115761855B (zh) | 面部关键点信息生成、神经网络训练和三维面部重建方法 | |
CN114120448B (zh) | 图像处理方法和装置 | |
CN116030185A (zh) | 三维发丝生成方法和模型的训练方法 | |
CN114120412B (zh) | 图像处理方法和装置 | |
CN116245998A (zh) | 渲染贴图生成方法及装置、模型训练方法及装置 | |
CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
CN114119154A (zh) | 虚拟化妆的方法及装置 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114049472A (zh) | 三维模型调整方法、装置、电子设备、介质 | |
CN113658307A (zh) | 图像处理方法及装置 | |
CN115423827B (zh) | 图像处理方法、装置、电子设备和存储介质 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220301 Assignee: Beijing Intellectual Property Management Co.,Ltd. Assignor: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Contract record no.: X2023110000093 Denomination of invention: Image processing methods and devices Granted publication date: 20221209 License type: Common License Record date: 20230818 |
|
EE01 | Entry into force of recordation of patent licensing contract |