CN114331823A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114331823A CN114331823A CN202111644063.7A CN202111644063A CN114331823A CN 114331823 A CN114331823 A CN 114331823A CN 202111644063 A CN202111644063 A CN 202111644063A CN 114331823 A CN114331823 A CN 114331823A
- Authority
- CN
- China
- Prior art keywords
- information
- target
- video frame
- determining
- pixel point
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- G06T3/00—Geometric image transformation in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Abstract
本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质,该方法包括:获取待处理视频帧,并确定待处理视频帧的目标法向图;根据目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于显示信息确定与待处理视频帧相对应的目标视频帧。本公开实施例的技术方案,可以采用法向估计的算法确定待处理视频帧的法向图,进而可以根据特效所对应的光源与法向图中各像素点之间的关系,确定各像素点的目标光照强度信息,以便基于目标光照强度信息显示相应的像素点,不仅提高了法向图确定的高效性,还提高特效添加的准确性和普适性的效果。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着网络技术的发展,越来越多的应用程序进入了用户的生活,尤其是一系列可以拍摄短视频的软件,深受用户的喜爱。
在基于拍摄短视频的软件拍摄相应的视频或者图像时,经常会为视频帧中的用户添加相应的特效,不仅可以丰富视频帧中显示的内容,还可以提供用户使用体验的技术效果。
目前,在为目标对象添加特效时,需要先确定与其相对应的目标法向图。现有确定法向图的方式主要是依赖于深度学习进行端对端训练,即利用成对法向数据来训练一个模型,然后通过该模型来确定各视频帧的法向图。
此种方式存在的问题是:成对的法向数据非常难获取,需要利用具有深度信息摄像头对实际场景中的物体进行信息采集,但也会受限于设备本身的误差和精度,得到的数据质量不佳,相应的,训练得到的模型也不准确。进一步的,即使获取了大量的数据,由于采集设备存在差异,每个设备得到的法向结果也不具备一致性。最后,即使数据收集不存在问题,但是部署深度学习模型受限于硬件环境,会带来一定的模型推理耗时,为了加速推理通常模型的输入分辨率和模型大小较低,这对输出的结果质量带来了一定的影响,特别是对移动端场景的特效算法来说,存在耗时较长和特效添加效果不佳的问题。
发明内容
本公开提供一种图像处理方法、装置、电子设备及存储介质,以实现基于移动终端确定法向图,提高了法向图确定便捷性,进而实现添加特效普适性的技术效果。
第一方面,本公开实施例提供了一种图像处理方法,该方法包括:
获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧第二方面,本公开实施例还提供了一种图像处理装置,该装置包括:
法向图确定模块,用于获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
光照强度确定模块,用于根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
目标视频帧显示模块,用于基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,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,使得所述一个或多个处理器实现如本公开实施例任一所述图像处理方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述图像处理方法。
本公开实施例的技术方案,通过在获取待处理视频帧,并确定待处理视频帧的目标法向图之后,可以根据目标法向图和预先设置的光源属性信息,确定待处理视频帧中各像素点的目标光照强度信息,进而基于各像素点的目标光照强度信息,确定相应像素点的显示信息,以基于各显示信息确定与待处理视频帧相对应的目标视频帧,解决了现有技术中由于训练样本质量不佳以及不统一,导致训练得到的学习模型质量不佳,从而确定出的法向图不准确的问题,以及将此模型应用于终端设备上时,对终端设备的性能要求较高,存在确定法向图效率较低以及普适性较差的问题,然而,本技术方案可以采用法向估计的算法确定待处理视频帧的法向图,进而可以根据特效所对应的光源与法向图中各像素点之间的关系,确定各像素点的目标光照强度信息,以便基于目标光照强度信息显示相应的像素点,不仅提高了法向图确定的高效性,还提高特效添加的准确性和普适性的效果。
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为本公开实施例一所提供的一种图像处理方法流程示意图;
图2为本公开实施例一所提供的一种图像处理方法流程示意图;
图3为本公开实施例一所提供的确定出目标法向图的示意图;
图4为本公开实施例二所提供的一种图像处理装置结构示意图;
图5为本公开实施例三所提供的一种电子设备结构示意图。
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装置、模块或单元进行区分,并非用于限定这些装置、模块或单元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。
在介绍本技术方案之前,可以先对应用场景进行示例性说明。可以将本公开技术方案应用在任意需要特效展示的画面中,如,应用在视频拍摄过程中。在视频拍摄完成后,可以为视频中的每个视频帧添加相应的特效;亦或是,每拍摄一个视频帧就可以将其上传至服务端,以使服务端对视频帧进行处理,从而实现相应特效的添加。在本技术方案中,添加的特效可以是灯光特效,灯光照射待处理视频帧中的目标对象时,可以显示出来的信息。灯光特效可以是基于虚拟光源发射出的光线所营造出的特效场景。
需要说明的是,本技术方案的实现可以由服务端来执行,或者客户端来实现,亦或是客户端与服务端配置实现。例如,基于客户端拍摄相应的视频帧,并基于客户端对视频帧处理,以为视频帧添加相应的特效;或者是,将拍摄的视频帧上传至服务端,服务端处理完成之后,将其下发至客户端,以使客户端展示添加特效后的视频帧。
实施例一
图1为本公开实施例一所提供的一种图像处理方法流程示意图,本公开实施例适用于在互联网所支持的任意图像展示场景中,用于为视频帧添加相应特效的情形,该方法可以由图像处理装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务器等。任意图像展示的场景通常是由客户端和服务器来配合实现的,本实施例所提供的方法可以由服务端来执行,客户端来执行,或者是客户端和服务端的配合来执行。
S110、获取待处理视频帧,并确定所述待处理视频帧的目标法向图。
还需要说明的是,执行本公开实施例提供的视频处理方法的装置,可以集成在具有对视频中每个视频帧处理功能的应用软件中,且该软件可以安装至电子设备中,可选的,电子设备可以是移动终端或者PC端等。应用软件可以是对图像/视频处理的一类软件,其具体的应用软件在此不再一一赘述,只要可以实现图像/视频处理即可。
还需要进一步说明的是,本技术方案的实现可以由客户端来实现,也可以由服务端来实现;可以是在视频拍摄完成后对视频中的每个视频帧处理后,发送至客户端进行显示的情形,也可以是在视频拍摄过程中,对接收到的每个视频帧依次处理的情形。
其中,可以将客户端或者服务端当前接收到的视频帧作为当前视频帧,与可以是客户端或服务端接收到目标视频后,依次对目标视频中的视频帧进行处理,将当前正在对其处理的视频帧作为当前视频帧。与待处理视频帧相对应的法向图作为目标法向图。
为了实现确定目标法向图的普适性,即可以适用于移动终端,可以采用本技术方案所采取的法向图确定方式对其进行处理。
在本实施例中,可以确定整幅图像的目标法向图,还可以是添加的特效通常是添加到目标对象的整个身上,或者是,在目标对象的局部添加目标特效,此时可以采用确定与目标对象相对应的整个法向图,或者目标对象局部的法向图。
第一种实施方式可以是,依次获取目标视频中的各待处理视频帧;确定所述待处理视频帧中至少一个像素点在第一方向和第二方向上的梯度信息,得到所述至少一个像素点的法向信息;基于所述至少一个像素点的法向信息,得到所述目标法向图。
其中,目标视频可以是移动终端需要对其处理的视频。目标视频中的每个视频帧都可以作为待处理视频帧。每个像素点都存在一个与其相对应的法向信息,法向信息中可以包括在第一方向和第二方向上的梯度信息。第一方向可以是水平方向,第二方向可以是垂直方向。根据每个像素点的法向信息,可以确定待处理视频帧所对应的目标法向图。此时,目标法向图中每个像素点都存在两个方向上的梯度信息。
具体的,可以采用法向图确定算法确定待处理视频帧中每个像素点的梯度信息,从而得到待处理视频帧的目标法向图。
第二种实施方式可以是:获取待处理视频帧,并基于预先训练好的图像分割模型确定与所述待处理视频帧相对应的目标分割区域;确定所述目标分割区域中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,并基于所述法向信息确定所述待处理视频帧的目标法向图。
其中,图像分割模型为预先训练好的神经网络模型。该图像分割模型的输入可以是当前视频帧,该模型的输出可以是与当前视频帧对应的人像分割结果,即待处理分割子图像。图像分割模型为神经网络,该网络的结构可以是VGG、ResNet、GoogleNet、MobileNet、ShuffleNet等等,对于不同的网络结构来说,每个网络结构的计算量不同,可以理解为并不是所有模型都是轻量级的。即,有的模型计算量很大,不适合在移动端部署,而计算量小、计算高效、简单的模型更容易在移动端上部署。如果本技术方案的实现是基于移动终端实现的,那么可以采用MobileNet和ShuffleNet模型结构。上述模型结构的原理是把传统的卷积变成了可分离卷积,即depthwise convolution和point-wise convolution,目的是为了减少计算量;另外采用了Inverted Residuals来提高depthwise convolution的特征提取能力;同时shuffle channel的简单操作也用来提高模型的表达能力,上面是模型基本的模块设计,模型基本上是由上述模块堆叠而成,此类模型的好处在于推断耗时较少,可以应用在对耗时要求较高的终端上。如果是服务器来实现的,那么可以采用上述任一神经网络都行,只要能够实现将视频帧进行人像分割,进而得到人像分割结果的待处理分割子图像。需要说明的是,上述仅仅是对图像分割模型的描述,并不对其进行的限定。可以预先确定待处理视频帧中添加特效的区域,或者,预先确定要为待处理视频帧中的目标对象添加特效,那么目标对象所对应的区域为目标分割区域。在确定目标分割区域后,可以确定目标分割区域中每个像素点的梯度信息。根据每个像素点的法向信息,确定待处理视频帧的目标法向图。
示例性的,图像分割模型用于对视频帧中的用户图像进行分割。参见图2,在接收到待处理视频帧后,基于终端设备中设置的图像分割模型对待处理视频帧分割处理,得到待处理视频帧中的目标用户。可以基于图像梯度的快速法向估计,确定待处理视频帧中目标用户所对应的法向图,将此法向图作为目标法向图。目标法向图的效果可以参见图3。
在本实施例中,确定至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,包括:通过联合双边滤波对所述待处理视频帧进行滤波处理,得到待使用视频帧;采用索贝尔算子确定待使用视频帧中每个像素点在第一方向上和第二方向上的梯度信息,确定至少一个像素点的法向信息。
需要说明的是,确定目标法向图的好处在于,可以基于法向信息做相关的特效。
示例性的,基于移动端拍摄相应的场景时,通常可以使用摄像头。摄像头中设置的传感器会因为环境影响,得到待处理视频帧中存在相应的背景噪声,然而,此类噪声并不属于图像内容本身,可以对其进行滤除,以准确估计图像的法向信息。滤除图像噪声的滤波方式主要是联合双边滤波,此种方式不仅会滤除图像中的噪声,还会保留图像中的边缘信息,而边缘信息对待处理视频帧的法向估计是比较重要的,即采用联合双边滤波的好处在于:滤除噪声的同时还能比较好地保持边缘信息。滤波完成之后,可以采用sobel(索贝尔)算子确定待处理视频帧中各像素点的法向信息。简单来说此算法可以计算图像水平和垂直方向2个梯度信息,梯度信息有正有负,梯度信息的物理意义是代表该像素的边缘的概率。梯度信息的正负可以表征像素的方向,此种情况下可以得到相应像素点分别在水平和垂直方向的方向,即法向信息,其效果图可参见图3。
S120、根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息。
其中,可以为待处理视频帧添加光源特效,即光源打在待处理视频帧中确定目标法向图的位置上后,可以显示相应的特效。其显示的特效与光源的具体位置信息和像素点的法向信息相对应。光源属性信息可以是光源位置信息。光源照射到目标法向图上时,可以根据每个像素点的法向信息,确定相应像素点的光照强度,可以将此时确定出的光照强度作为目标光照强度信息。
具体的,可以获取目标光源的光源位置信息,根据光源位置信息和目标法向图中每个像素点的法向信息,确定各像素点的目标光照强度信息。
在本实施例中,可以仅对待处理视频帧中已确定法向信息的像素点进行处理,来确定像素点的目标光照强度信息。
可选的,所述根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息,包括:针对各像素点,确定当前像素点在所述目标法向图中所对应的目标法向信息,并根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息。
还需要说明的是,对待处理视频帧中每个像素点的处理方式都是相同的,可以以确定其中一个像素点的目标光照强度信息为例来介绍,并将当前介绍的像素点作为当前像素点。
其中,将当前像素点所对应的法向信息作为目标法向信息。光源属性信息中包括光源位置信息和/或光照角度信息。拍摄角度信息可以理解为拍摄待处理视频帧时,摄像装置与当前像素点之间的相对拍摄角度。
具体的,可以确定当前像素点的目标法向信息,通过对目标法向信息、光照强度信息、光源位置信息以及拍摄角度信息,可以确定当前像素点的目标光照强度信息。
在本实施例中,所述光源属性信息中包括光源位置信息,所述根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息,包括:根据所述光源位置信息,确定当前像素点的光照方向信息;根据所述光照方向信息、所述目标法向信息以及预先设置的漫反射系数值,确定所述当前像素点的漫反射值;根据所述光照方向信息以及所述目标法向信息,确定目标反射角,并根据所述目标反射角度、所述拍摄角度信息以及预先设置的反射系数值,确定所述当前像素点的反射强度值;根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息。
还需要说明的是,本技术方案采用的打光特效方法,可以通过冯氏光照模型来实现。冯氏光照模型主要由3个分量来表征,分别为:环境光、漫反射值以及镜面光照值。环境光(Ambient Lighting)可以理解为:即使在黑暗的情况下,世界上通常也仍然有一些光亮(月亮、远处的光),所以物体几乎永远不会是完全黑暗的。为了模拟出此效果,可以使用一个环境光照常量,它永远会给物体一些光量信息。漫反射(Diffuse Lighting)可以理解为:模拟光源对物体的方向性影响(Directional Impact)。它是冯氏光照模型中视觉上最显著的分量。物体的某一部分越是正对着光源,它就会越亮。另一个维度的镜面光照(SpecularLighting)可以理解为:模拟有光泽物体上面出现的亮点。镜面光照的颜色相比于物体的颜色会更倾向于光的颜色。可以基于上述信息来确定各像素点的目标光照强度信息。
其中,光源位置信息可以通过世界坐标来表示。光照方向信息可以通过相对角度来表示。通过计算当前像素点的世界坐标和光源位置坐标之间的值,可以确定出当前像素点所对应的光照方向信息。漫反射系数值、反射系数值、以及环境光量信息为预先设置的。目标反射角可以理解为光源照射到当前像素点后,经当前像素点的法向信息反射后得到的角度。
具体的,即当前像素点的像素位置为pos,光源位置信息为light_pos,拍摄装置的拍摄视角为viewpos。光照方向信息lightDir是根据光源位置信息light_pos和当前像素点的像素点位置pos确定出的,可选的,可以采用余弦计算方法,确定当前像素点相对应光源的光照方向信息。再计算当前像素的法向信息norm与光照方向信息lightDir的相近程度(norm和lightDir进行点积),确定出中间值。根据中间值和漫反射强度系数a1,即漫反射系数值,得到当前像素点最终的漫反射值。通过计算以当前像素点的目标法向信息norm为中轴线,光线方向light_pos为入射线的情况下,所对应的反射角reflectDir。根据计算反射角reflectDir和拍摄视角viewDir(viewPos-pos)的近似值,越相近代表镜面反射越强,该近似值乘以镜面光照系数a2,得到最终的反射强度值,即镜面反射强度值。根据环境光、漫反射值、反射强度值的最大值确定当前像素点的目标光照强度信息。
可选的,所述根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息,包括:将所述漫反射值、所述反射强度值以及所述环境光强度值中最大的值作为所述目标光照强度信息。
具体的,可以将上述确定出的三个值中最大的值作为当前像素点的目标光照强度信息。
S130、基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧。
可选的,所述基于至少一个目标光照强度信息,确定相应像素点的显示信息,包括:根据至少一个像素点的目标光照强度信息和相应的像素值信息,更新相应像素点的显示信息。
具体的,待处理视频帧中每个像素点都存在一个与其相对应的颜色值,可以基于目标光照强度信息更新相应像素点的亮度值,进而基于更新后的亮度值和相应像素点的颜色值,更新视频帧中的相应像素点。
本公开实施例的技术方案,从分割结果到最终的效果输出可以利用openGL进行绘制,速度很快,另外进行绘制的区域仅限于分割的区域,其他区域不参与计算,大大减少了耗时,利于移动端特效的开发和部署,进一步提高了图像的处理效率。
本公开实施例的技术方案,通过在获取待处理视频帧,并确定待处理视频帧的目标法向图之后,可以根据目标法向图和预先设置的光源属性信息,确定待处理视频帧中各像素点的目标光照强度信息,进而基于各像素点的目标光照强度信息,确定相应像素点的显示信息,以基于各显示信息确定与待处理视频帧相对应的目标视频帧,解决了现有技术中由于训练样本质量不佳以及不统一,导致训练得到的学习模型质量不佳,从而确定出的法向图不准确的问题,以及将此模型应用于终端设备上时,对终端设备的性能要求较高,存在确定法向图效率较低以及普适性较差的问题,然而,本技术方案可以采用法向估计的算法确定待处理视频帧的法向图,进而可以根据特效所对应的光源与法向图中各像素点之间的关系,确定各像素点的目标光照强度信息,以便基于目标光照强度信息显示相应的像素点,不仅提高了法向图确定的高效性,还提高特效添加的准确性和普适性的效果。
实施例二
图4为本公开实施例二所提供的一种图像处理装置结构示意图,如图4所示,所述装置包括:法向图确定模块210、光照强度确定模块220以及目标视频帧显示模块230。
其中,法向图确定模块210,用于获取待处理视频帧,并确定所述待处理视频帧的目标法向图;光照强度确定模块220,用于根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;目标视频帧显示模块230,用于基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于至少一个显示信息确定与所述待处理视频帧相对应的目标视频帧。
在上述技术方案的基础上,所述法向图确定模块,包括:
视频帧获取单元,用于依次获取目标视频中的至少一个待处理视频帧;法向信息确定单元,用于确定所述待处理视频帧中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息;法向图确定单元,用于基于至少一个像素点的法向信息,得到所述目标法向图。
在上述技术方案的基础上,所述法向图确定模块,包括:
分割区域确定单元,用于获取待处理视频帧,并基于预先训练好的图像分割模型确定与所述待处理视频帧相对应的目标分割区域;法向图确定单元,用于确定所述目标分割区域中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,并基于所述法向信息确定所述待处理视频帧的目标法向图。
在上述技术方案的基础上,所述法向信息确定单元,包括:
待使用视频帧确定子单元,用于通过联合双边滤波对所述待处理视频帧进行滤波处理,得到待使用视频帧;法向信息确定子单元,用于采用索贝尔算子确定待使用视频帧中每个像素点在第一方向上和第二方向上的梯度信息,确定至少一个像素点的法向信息。
在上述技术方案的基础上,所述光照强度确定模块,还用于针对至少一个像素点,确定当前像素点在所述目标法向图中所对应的目标法向信息,并根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息。
在上述技术方案的基础上,所述光源属性信息中包括光源位置信息,所述光照强度确定模块,还包括:
光照方向确定单元,用于根据所述光源位置信息,确定当前像素点的光照方向信息;
漫反射值确定单元,用于根据所述光照方向信息、所述目标法向信息以及预先设置的漫反射系数值,确定所述当前像素点的漫反射值;
反射强度值确定单元,用于根据所述光照方向信息以及所述目标法向信息,确定目标反射角,并根据所述目标反射角度、所述拍摄角度信息以及预先设置的反射系数值,确定所述当前像素点的反射强度值;
目标光照强度确定单元,用于根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息。
在上述技术方案的基础上,所述目标光照强度确定单元,还用于将所述漫反射值、所述反射强度值以及所述环境光强度值中最大的值作为所述目标光照强度信息。
在上述技术方案的基础上,目标视频帧显示模块,还用于根据至少一个像素点的目标光照强度信息和相应的像素值信息,确定至少一个像素点的显示信息。
本公开实施例的技术方案,通过在获取待处理视频帧,并确定待处理视频帧的目标法向图之后,可以根据目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息,进而基于至少一个像素点的目标光照强度信息,确定相应像素点的显示信息,以基于至少一个显示信息确定与待处理视频帧相对应的目标视频帧,解决了现有技术中由于训练样本质量不佳以及不统一,导致训练得到的学习模型质量不佳,从而确定出的法向图不准确的问题,以及将此模型应用于终端设备上时,对终端设备的性能要求较高,存在确定法向图效率较低以及普适性较差的问题,然而,本技术方案可以采用法向估计的算法确定待处理视频帧的法向图,进而可以根据特效所对应的光源与法向图中至少一个像素点之间的关系,确定至少一个像素点的目标光照强度信息,以便基于目标光照强度信息显示相应的像素点,不仅提高了法向图确定的高效性,还提高特效添加的准确性和普适性的效果。
本公开实施例所提供的图像处理装置可执行本公开任意实施例所提供的图像处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例三
图5为本公开实施例三所提供的一种电子设备结构示意图。下面参考图5,其示出了适于用来实现本公开实施例的电子设备(例如图5中的终端设备或服务器)300的结构示意图。本公开实施例中的终端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使用范围带来任何限制。
如图5所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置306加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。编辑/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305: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306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备300,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309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
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。
本公开实施例提供的电子设备与上述实施例提供的图像处理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,并且本实施例与上述实施例具有相同的有益效果。
实施例四
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的图像处理方法。
需要说明的是,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:
获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧。
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,单元的名称在某种情况下并不构成对该单元本身的限定,例如,法向图确定模块还可以被描述为“图像确定模块”。
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,【示例一】提供了一种图像处理方法,该方法包括:
获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于至少一个显示信息确定与所述待处理视频帧相对应的目标视频帧。
根据本公开的一个或多个实施例,【示例二】提供了一种图像处理方法,该方法,还包括:
可选的,所述获取待处理视频帧,并确定所述待处理视频帧的目标法向图,包括:
依次获取目标视频中的至少一个待处理视频帧;
确定所述待处理视频帧中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息;
基于至少一个像素点的法向信息,得到所述目标法向图。
根据本公开的一个或多个实施例,【示例三】提供了一种图像处理方法,该方法,还包括:
可选的,所述获取待处理视频帧,并确定所述待处理视频帧的目标法向图,包括:
获取待处理视频帧,并基于预先训练好的图像分割模型确定与所述待处理视频帧相对应的目标分割区域;
确定所述目标分割区域中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,并基于所述法向信息确定所述待处理视频帧的目标法向图。
根据本公开的一个或多个实施例,【示例四】提供了一种图像处理方法,该方法,还包括:
可选的,确定至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,包括:
通过联合双边滤波对所述待处理视频帧进行滤波处理,得到待使用视频帧;
采用索贝尔算子确定待使用视频帧中每个像素点在第一方向上和第二方向上的梯度信息,确定至少一个像素点的法向信息。
根据本公开的一个或多个实施例,【示例五】提供了一种图像处理方法,该方法,还包括:
可选的,所述根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息,包括:
针对至少一个像素点,确定当前像素点在所述目标法向图中所对应的目标法向信息,并根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息。
根据本公开的一个或多个实施例,【示例六】提供了一种图像处理方法,该方法,还包括:
可选的,所述光源属性信息中包括光源位置信息,所述根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息,包括:
根据所述光源位置信息,确定当前像素点的光照方向信息;
根据所述光照方向信息、所述目标法向信息以及预先设置的漫反射系数值,确定所述当前像素点的漫反射值;
根据所述光照方向信息以及所述目标法向信息,确定目标反射角,并根据所述目标反射角度、所述拍摄角度信息以及预先设置的反射系数值,确定所述当前像素点的反射强度值;
根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息。
根据本公开的一个或多个实施例,【示例七】提供了一种图像处理方法,该方法,还包括:
可选的,所述根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息,包括:
将所述漫反射值、所述反射强度值以及所述环境光强度值中最大的值作为所述目标光照强度信息。
根据本公开的一个或多个实施例,【示例八】提供了一种图像处理方法,该方法,还包括:
可选的,所述基于至少一个目标光照强度信息,确定相应像素点的显示信息,包括:
根据至少一个像素点的目标光照强度信息和相应的像素值信息,确定至少一个显示古典的显示信息。
根据本公开的一个或多个实施例,【示例九】提供了一种图像处理装置,该装置包括:
法向图确定模块,用于获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
光照强度确定模块,用于根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
目标视频帧显示模块,用于基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于至少一个显示信息确定与所述待处理视频帧相对应的目标视频帧。
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 (11)
1.一种图像处理方法,其特征在于,包括:
获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理视频帧,并确定所述待处理视频帧的目标法向图,包括:
依次获取目标视频中的各待处理视频帧;
确定所述待处理视频帧中至少一个像素点在第一方向和第二方向上的梯度信息,得到所述至少一个像素点的法向信息;
基于所述至少一个像素点的法向信息,得到所述目标法向图。
3.根据权利要求1所述的方法,其特征在于,所述获取待处理视频帧,并确定所述待处理视频帧的目标法向图,包括:
获取待处理视频帧,并基于预先训练好的图像分割模型确定与所述待处理视频帧相对应的目标分割区域;
确定所述目标分割区域中至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,并基于所述法向信息确定所述待处理视频帧的目标法向图。
4.根据权利要求2或3所述的方法,其特征在于,确定至少一个像素点在第一方向和第二方向上的梯度信息,得到至少一个像素点的法向信息,包括:
通过联合双边滤波对所述待处理视频帧进行滤波处理,得到待使用视频帧;
采用索贝尔算子确定待使用视频帧中每个像素点在第一方向上和第二方向上的梯度信息,确定至少一个像素点的法向信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息,包括:
针对各像素点,确定当前像素点在所述目标法向图中所对应的目标法向信息,并根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息。
6.根据权利要求5所述的方法,其特征在于,所述光源属性信息中包括光源位置信息,所述根据所述目标法向信息、光源属性信息以及所述当前像素点所属视频帧的拍摄角度信息,确定所述当前像素点的目标光照强度信息,包括:
根据所述光源位置信息,确定当前像素点的光照方向信息;
根据所述光照方向信息、所述目标法向信息以及预先设置的漫反射系数值,确定所述当前像素点的漫反射值;
根据所述光照方向信息以及所述目标法向信息,确定目标反射角,并根据所述目标反射角度、所述拍摄角度信息以及预先设置的反射系数值,确定所述当前像素点的反射强度值;
根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述漫反射值、所述反射强度值以及所述光源属性信息所对应的环境光强度值,确定所述目标光照强度信息,包括:
将所述漫反射值、所述反射强度值以及所述环境光强度值中最大的值作为所述目标光照强度信息。
8.根据权利要求1所述的方法,其特征在于,所述基于至少一个目标光照强度信息,确定相应像素点的显示信息,包括:
根据至少一个像素点的目标光照强度信息和相应的像素值信息,更新相应像素点的显示信息。
9.一种图像处理装置,其特征在于,包括:
法向图确定模块,用于获取待处理视频帧,并确定所述待处理视频帧的目标法向图;
光照强度确定模块,用于根据所述目标法向图和预先设置的光源属性信息,确定待处理视频帧中至少一个像素点的目标光照强度信息;
目标视频帧显示模块,用于基于至少一个目标光照强度信息,确定相应像素点的显示信息,以基于所述显示信息确定与所述待处理视频帧相对应的目标视频帧。
10.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,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,使得所述一个或多个处理器实现如权利要求1-8中任一所述图像处理方法。
11.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644063.7A CN114331823A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法、装置、电子设备及存储介质 |
PCT/CN2022/141793 WO2023125365A1 (zh) | 2021-12-29 | 2022-12-26 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644063.7A CN114331823A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331823A true CN114331823A (zh) | 2022-04-12 |
Family
ID=81016818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111644063.7A Pending CN114331823A (zh) | 2021-12-29 | 2021-12-29 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114331823A (zh) |
WO (1) | WO2023125365A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023125365A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2024041623A1 (zh) * | 2022-08-26 | 2024-02-29 | 北京字跳网络技术有限公司 | 特效图的生成方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400005B (zh) * | 2013-07-22 | 2016-09-28 | 西安电子科技大学 | 一种强光源干扰微光系统成像的特征量化方法 |
CN104463954B (zh) * | 2014-11-14 | 2017-09-29 | 无锡梵天信息技术股份有限公司 | 一种三维图像表面细节的模拟方法及系统 |
JP6971585B2 (ja) * | 2017-02-21 | 2021-11-24 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
CN107909640B (zh) * | 2017-11-06 | 2020-07-28 | 清华大学 | 基于深度学习的人脸重光照方法及装置 |
CN114331823A (zh) * | 2021-12-29 | 2022-04-12 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-29 CN CN202111644063.7A patent/CN114331823A/zh active Pending
-
2022
- 2022-12-26 WO PCT/CN2022/141793 patent/WO2023125365A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023125365A1 (zh) * | 2021-12-29 | 2023-07-06 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2024041623A1 (zh) * | 2022-08-26 | 2024-02-29 | 北京字跳网络技术有限公司 | 特效图的生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023125365A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242881B (zh) | 显示特效的方法、装置、存储介质及电子设备 | |
WO2023125365A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN110349107B (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
CN111310815A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112237739A (zh) | 游戏角色渲染方法、装置、电子设备及计算机可读介质 | |
CN110728622A (zh) | 鱼眼图像处理方法、装置、电子设备及计算机可读介质 | |
CN112182299A (zh) | 一种视频中精彩片段的获取方法、装置、设备和介质 | |
CN114842120A (zh) | 一种图像渲染处理方法、装置、设备及介质 | |
CN116310036A (zh) | 场景渲染方法、装置、设备、计算机可读存储介质及产品 | |
CN113163135B (zh) | 视频的动画添加方法、装置、设备及介质 | |
CN113902636A (zh) | 图像去模糊方法及装置、计算机可读介质和电子设备 | |
CN111818265B (zh) | 基于增强现实模型的交互方法、装置、电子设备及介质 | |
CN111292406B (zh) | 模型渲染方法、装置、电子设备及介质 | |
CN110084306B (zh) | 用于生成动态图像的方法和装置 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN111833459A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111368668A (zh) | 三维手部识别方法、装置、电子设备及存储介质 | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
WO2022227996A1 (zh) | 图像处理方法、装置、电子设备以及可读存储介质 | |
CN115695685A (zh) | 特效处理方法、装置、电子设备及存储介质 | |
CN115358959A (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN115358919A (zh) | 图像处理方法、装置、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 |