CN114937192A - 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
- CN114937192A CN114937192A CN202210750538.9A CN202210750538A CN114937192A CN 114937192 A CN114937192 A CN 114937192A CN 202210750538 A CN202210750538 A CN 202210750538A CN 114937192 A CN114937192 A CN 114937192A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- processing
- feature
- target
- 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
- 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
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level 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
- G06N3/04—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
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Image Processing (AREA)
- Television Signal Processing For Recording (AREA)
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:获取待处理图像;提取待处理图像的内容信息;提取目标条件图像的形状特征信息;对形状特征信息和内容信息进行融合处理,得到目标图像。本公开实施例的技术方案,实现了图像形状特征信息的高质量转换,丰富了特效图像处理方法的趣味性,进一步提高了用户的使用体验。
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
目前,越来越多的内容实现多是通过计算机来完成的,例如,虚拟试衣场景、宠物变脸等场景,都可以通过计算机来完成。
但是,现有的场景主要是将穿戴物品渲染至用户的肢体躯干上,存在渲染效果不佳和资源消耗较大的问题,进一步的,即使为宠物变脸也是提取其他宠物的面部图像并渲染至目标宠物的面部,存在渲染效果不真实的问题。
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,以实现图像特征转换的视觉效果,提升了视频内容的丰富性和趣味性。
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:
获取待处理图像;
提取待处理图像的内容信息;
提取目标条件图像的形状特征信息;
对形状特征信息和内容信息进行融合处理,得到目标图像。
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:
图像获取模块,用于获取待处理图像;
内容信息提取模块,用于提取待处理图像的内容信息;
形状特征信息提取模块,用于提取目标条件图像的形状特征信息;
信息融合模块,用于对形状特征信息和内容信息进行融合处理,得到目标图像。
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的图像处理方法。
第四方面,本公开实施例还提供了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的图像处理方法。
本公开实施例的技术方案,通过获取待处理图像,提取待处理图像的内容信息,以及提取目标条件图像的形状特征信息,并对形状特征信息和内容信息进行融合处理,得到目标图像,解决了现有图像处理方法中所呈现出的缺乏新颖性和趣味性的问题,实现了图像形状特征信息的高质量转换,丰富了特效图像处理方法的趣味性,进一步提高了用户的使用体验。
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是本公开实施例所提供的一种图像处理方法流程示意图;
图2是本公开实施例所提供的一种图像处理方法中基于目标图像翻译模型处理的流程示意图;
图3是本公开实施例所提供的跨特征融合子模型的模型结构示意图;
图4是本公开实施例所提供的目标图像效果示意图;
图5是本公开实施例所提供的目标图像效果示意图;
图6是本公开实施例所提供的一种图像处理方法流程示意图;
图7是本公开实施例所提供的一种图像处理方法流程示意图;
图8是本公开实施例所提供的一种图像处理装置结构示意图;
图9是本公开实施例所提供的一种电子设备的结构示意图。
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。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
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图像处理的场景中,例如,可以是应用在图像拍摄过程中,可以对被拍摄用户所对应的图像进行特效展示的情况,如短视频拍摄场景下。在本实施例中,用户在使用相应的应用软件时,希望生成某些特定风格的图像,或者,将待处理图像处理成特效图像进行特效展示的情况时,则可以执行特效触发操作,以达到待处理图像转换成用户期望的目标图像的视觉效果。
图1为本公开实施例所提供的一种图像处理方法的流程示意图,本公开实施例适用于在互联网所支持的任意特效展示或图像处理的情形,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。
如图1所示,所述方法包括:
S110、获取待处理图像。
其中,执行本公开实施例提供的图像处理方法的装置,可以集成在支持图像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。还可以是专门研发的应用程序,来实现添加特效并特效展示的软件中,亦或是集成在相应的页面中,用户可以通过PC端中集成的页面来实现特效添加处理。
在本实施例中,待处理图像可以是基于终端设备的图像采集装置实时获取的图像,也可以是应用软件从存储空间中预先存储的图像。在具体的应用场景中,可以实时或者周期性的获取待处理图像。例如,当用户需要对图像或者视频进行特效处理,或者,需要生成某些特定风格的图像时,可以将基于应用软件采集的图像,或者,用户主动上传的图像作为待处理图像。
在实际应用中,通常会在触发某些特效触发操作的情况下,才会获取待处理图像,那么,获取待处理图像的触发时机包括下述至少一种:检测到入镜画面中包括目标主体;检测到触发图像拍摄控件;采集的语音信息触发图像获取唤醒词。
其中,终端设备的拍摄装置会有一定的拍摄视野范围,当检测到在视野范围内的入镜画面中包括目标主体时,则可以认为要触发图像获取功能。示例性的,目标主体可以为用户、宠物或者卡通人物等。例如,可以将某用户设置为目标主体,当检测到入镜画面中包括该用户时,则可以自动触发获取包括该用户的待处理图像。当然,可以预先设置用于获取图像的控件作为图像拍摄控件,当用户触发该控件时,可以对当前显示界面上显示的图像进行采集。还有一种实现方式为,可以预先采集用户的语音信息,并对采集的语音信息分析处理,从而识别与语音信息相对应的文字。如果与语音信息相对应的文字中包括预先设置的唤醒词,可选的,唤醒词可以是:“请拍摄当前图像”等类型的词汇,则说明需要获取显示界面上的目标图像。
S120、提取待处理图像的内容信息。
其中,内容信息可以为用于表征待处理图像的图像内容的信息。
在本实施例中,待处理图像的内容信息是基于目标图像翻译模型确定的。可选的,提取待处理图像的内容信息,包括:基于目标图像翻译模型获取待处理图像的内容信息。
其中,目标图像翻译模型可以为预先训练完成,用于实现图像翻译的神经网络模型,例如,基于自注意力机制训练得到的,包括编码器的深度学习网络模型。编码器可以理解为将图像处理成相应特征维度的神经网络模型。图像翻译可以为从标签图到场景图的转换、线条轮廓到色彩图像的转换、图像的风格转换或者人脸的属性变换等。
可选的,目标图像模型中包括第一编码器,基于目标图像翻译模型获取待处理图像的内容信息,包括:基于第一编码器对待处理图像编码处理,得到内容信息。
在本实施例中,第一编码器可以为用于实现编码处理的神经网络模型。示例性的,编码器可以为残差卷积神经网络模型。
在实际应用中,在得到待处理图像之后,可以将待处理图像输入至目标图像翻译模型中,通过目标图像翻译模型中的第一编码器对待处理图像进行编码处理,从而得到待处理图像的内容信息。
S130、提取目标条件图像的形状特征信息。
在本实施例中,目标条件图像主要是与目标图像中显示内容的轮廓信息相匹配的图像。例如,可以是骨骼躯干线条,也可以是面部轮廓线条,还可以是肢体躯干线条等。形状特征信息可以为用于表征目标条件图像的面部轮廓或姿态线条的信息。
可选的,确定目标条件图像包括:确定原始条件图像中的关键点,并基于关键点确定目标条件图像。
在具体实施中,对原始条件图像进行特征提取或分割处理,得到关键点图像,或,线条图像,或,分割图像,可以将当前得到的关键点图像作为目标条件图像。
示例性的,原始条件图像中的关键点可以是骨骼点;在识别出原始条件图像中骨骼点之后,将各个骨骼点作为关键点,通过对各个骨骼点进行拼接,可以得到关键点图像,或,线条图像,或,分割图像,以作为目标条件图像。
可选的,提取目标条件图像的形状特征信息,包括:基于目标图像翻译模型获取目标条件图像的形状特征信息。
在本实施例中,目标条件图像的形状特征信息可以基于目标图像翻译模型确定。可选的,目标图像翻译模型包括第二编码器,基于目标图像翻译模型获取目标条件图像的形状特征信息,包括:基于第二编码器对目标条件图像进行处理,得到形状特征信息。
在实际应用中,在基于目标图像翻译模型获取待处理图像的内容信息和目标条件图像的形状特征信息时,由于提取的图像特征信息不同,因此,需要分别经过不同的编码器对相应图像进行处理。
一般情况下,在目标图像翻译模型的训练阶段,可以应用大量参考条件图像对模型进行训练,当将条件图像具体部署至目标图像翻译模型中时,可以根据用户的实际需求对条件图像进行设置,将此时确定出的条件图像作为目标条件图像。
可选的,目标条件图像为部署在目标图像翻译模型中的图像,或是与目标图像翻译模型的输入接口绑定的图像。
在实际应用中,获取待处理图像后,需要根据当前应用场景的需求或者用户对于待处理图像的图像处理需求,确定用于参考的目标条件图像,并将确定后的目标条件图像部署在目标图像翻译模型中,以使待处理图像可以基于目标图像翻译模型输出于目标条件图像相对应的目标图像。
需要说明的是,目标图像翻译模型可以部署在移动端,也可以部署在服务端,如果在算力满足条件的情况下,可以部署多个目标图像翻译模型,目标图像翻译模型中的目标条件图像可以是不同的,从而在输出目标图像时,不同模型可以输出不同目标条件图像对应的图像。例如,在云渲染试衣场景中,需要获取用户在不同姿态下的穿着效果图像,此时,可以在移动端或者服务端部署多个目标图像翻译模型,其中,模型中的目标条件图像为姿态线条图,可以在模型中部署不同姿态下的姿态线条图,从而可以在将待处理图像输入至模型中,该模型可以输出目标主体在不同姿态下的渲染试衣效果图。
在本实施例中,输入接口绑定可以理解为在应用目标图像翻译模型进行图像翻译时,可以在显示界面上显示多幅包含不同形状特征信息的参考条件图像,根据用户的触发选择确定当前输入接口绑定的目标条件图像。S140、对形状特征信息和内容信息进行融合处理,得到目标图像。
在本实施例中,在提取形状特征信息和内容信息之后,可以将形状特征信息和内容信息进行特征维度的融合处理,得到目标特征,进一步的,对目标特征进行相应的特征处理,即可得到与待处理图像的内容信息以及目标条件图像的形状特征信息相对应的图像,该图像即为目标图像。
示例性的,参见图2所示,a为某个用户在某种姿态下的姿态线条图,b为当前待处理图像,将a和b输入至目标图像翻译模型中,得到c,此时,c的姿态是与a相对应的,但是其内容是与b相对应的。如果用户最终得到的图像为对面部轮廓修改的示意图,那么,a为用户面部轮廓的线条图,此时,模型输出的图像c的面部轮廓是与a的面部轮廓相对应的。
进一步的,目标图像翻译模型还包括通道拼接层和跨特征融合子模型。
其中,通道拼接层可以用于将多种特征信息拼接在一起,得到一个特征信息。示例性的,特征维度为C×L和L×C的特征图,经过通道拼接层处理后,得到维度为L×2C的特征向量。跨特征融合子模型是一个基于自注意力机制训练得到的神经网络模型。
相应的,在得到形状特征信息和内容信息之后,对信息进行融合处理时可以为:可选的,对形状特征信息和内容信息进行融合处理,得到目标图像,包括:基于目标图像翻译模型中的通道拼接层对形状特征信息和内容信息拼接处理,得到输入至跨特征融合子模型的待输入信息;基于目标图像翻译模型中的跨特征融合子模型对待输入信息进行处理,得到目标图像。
在实际应用中,在得到形状特征信息和内容信息之后,可以通过通道拼接层对信息进行拼接处理,得到同时包含形状特征信息和内容信息的待输入信息,进一步的,将待输入信息输入至跨特征融合子模型中,基于该子模型的全局感知能力对待输入信息进行处理,即可得到与待处理图像的内容信息相一致,且与目标条件图像的形状特征信息相一致的目标图像。
在本实施例中,跨特征融合子模型中包括第一子模型和第二子模型。
可选的,基于目标图像翻译模型中的跨特征融合子模型对待输入信息进行处理,得到目标图像,包括:基于第一子模型对待输入信息进行处理,得到待处理特征;基于多层感知机对待处理特征处理,得到待应用特征;基于第二子模型对待应用特征进行处理,得到待使用特征;基于标准化层对待应用特征进行处理,得到目标图像。
需要说明的是,第一子模型和第二子模型的模型结构相同,均包括第一处理模块和第二处理模块。在每个子模型中,第一处理模块与第二处理模块对特征信息的处理方式均是相同的,因此,以对其中一个子模型为例来进行说明。
可选的,基于第一子模型对待输入信息进行处理,得到待处理特征,包括:基于第一处理模块对所述待输入信息进行处理,得到第一特征;对待输入信息和第一特征残差处理,确定第二特征;基于第二处理模块对第二特征进行处理,得到第三特征;对第三特征和第二特征残差处理,得到所述待处理特征。
在本实施例中,第一处理模块中包括标准化层、多头注意力子网络。相应的,通过第一处理模块对待输入信息进行处理可以是:可选的,基于第一处理模块对待输入信息进行处理,得到第一特征,包括:将待输入信息输入至标准化层,得到第一预处理特征;将预处理特征输入多头注意力子网络中,得到第一特征。
在本实施例中,第二处理模块中包括标准化层、多层感知机。相应的,在得到第一特征,并对第一特征与待输入信息进行残差处理,得到第二特征之后,通过第二处理模块对第二特征进行处理可以是:基于第二处理模块对第二特征进行处理,得到第三特征,包括:基于标准化层对第二特征进行处理,得到第二预处理特征;基于多层感知机对第二预处理特征进行处理,得到第三特征。
为了清楚的介绍目标图像模型对待处理图像和目标条件图像的处理过程,可以通过具体的例子来进行说明,参见图3所示,例如,待处理图像经过第一编码器处理后,得到特征维度为C×H×W,即通道数为C,高度为H,宽度为W的内容信息,目标条件图像经过第二编码器处理后,得到特征维度为C×H×W的形状特征信息,进一步的,分别对其进行降低维度处理,得到维度为C×L和L×C的特征信息,通过通道拼接层将降维后的内容信息和形状特征信息拼接在一起,,得到维度为L×2C的待输入信息,然后,将待输入信息输入至跨特征融合子模型中,通过层数为N层的第一子模型对待输入信息进行处理,其中,经过第一处理模块中的标准化层对待输入信息进行特征处理,得到第一预处理特征,再经过多头注意力子网络进行特征提取,得到第一特征,然后,将待输入信息与第一特征进行残差处理,得到第二特征,进一步的,将第二特征输入至第二处理模块中,经过标准化层对第二特征进行特征处理,得到第二预处理特征,再经过多层感知机对第二预处理特征进行特征提取,得到第三特征,再将第三特征和第二特征进行残差处理,即可得到待处理特征,再次经过多层感知机对待处理特征进行降维处理,将L×2C的待处理特征降低维度为L×C的待应用特征,进一步的,经过层数为M层的第二子模型对待应用特征进行处理,同样基于标准化层、多头注意力子网络、标准化层和多层感知机待应用特征进行处理,即可得到待应用特征,最后,经过标准化层对待应用特征进行特征处理,即可得到维度为C×H×W的目标图像。
需要说明的是,如图4所示,若将本技术方案应用于云渲染试衣的场景中时,可以是,生成用户在不同姿态下的示意图,并将衣服渲染到不同姿态的图像中,所得到的效果示意。还可以是,条件图中不仅包括用户的躯干轮廓,还可以包括面部线条轮廓,从而得到另外一个用户在不同姿态下的目标效果图。在得到目标效果图之后,可以将衣服渲染至目标效果图上,以得到云渲染试衣的效果。
当需要获取用户在不同姿态下的试衣效果信息时,则可以通过上述方式确定各种姿态信息,再将应用中提供的各种衣服渲染到不同姿态下所确定的效果示意图。
需要说明的是,目标条件图像可以根据图像处理实际需求的不同发生变化。例如,当用户需要生成宠物风格的图像时,则可以将各种宠物的轮廓信息或者姿态线条信息作为目标条件图像;或者,当用户需要生成卡通风格的图像时,则可以将各种卡通人物的线条信息作为目标条件图像等。
还需说明的是,目标条件图像所适用的场景还可以包括:虚拟换装场景等其他需要进行图像翻译的应用场景,例如,当用户需要线上试衣程序中试穿不同风格的衣服,可以根据目标条件图像,得到用户在不同姿态下的示意图,并可以将不同的衣服渲染在不同姿态下的条件图像上,以得到用户试穿不同风格衣服的效果示意图。
在实际应用中,目标条件图像的形状特征信息可以是用户的面部轮廓信息,也可以是宠物的面部轮廓信息。例如,宠物的面部轮廓信息参见图5所示。
当目标条件图像的形状特征信息为宠物的面部轮廓信息时,如图5所示,将a和b上方图像输入至目标图像翻译模型中时,a的面部轮廓信息可以作为目标条件图像,b上方图像可以作为待处理图像,经过模型处理后,可以得到b下方图像,其中,b下方图像的面部轮廓信息与a的面部轮廓信息相对应,其图像内容与b上方图像的图像内容相对应;同理,将a和c上方图像输入至目标图像翻译模型中时,此时,a的面部轮廓信息作为目标条件图像,c上方图像作为待处理图像,经过模型处理后,可以得到c下方图像,其中,c下方图像的面部轮廓信息与a的面部轮廓信息相对应,其图像内容与c上方图像的图像内容相对应;将a和d上方图像输入至目标图像翻译模型中时,此时,a的面部轮廓信息作为目标条件图像,d上方图像作为待处理图像,经过模型处理后,可以得到d下方图像,其中,d下方图像的面部轮廓信息与a的面部轮廓信息相对应,其图像内容与d上方图像的图像内容相对应。
为了清楚的介绍本实施例的具体实施方式,可以通过具体的例子来进行说明。如图6所示,将a作为待处理图像,c作为目标图像,通过关键点提取算法获取目标图像的形状特征信息,并根据该形状特征信息得到目标条件图像b,然后,将a和b输入至目标图像翻译模型中,分别通过编码器处理,提取a的内容信息和b的形状特征信息,从而得到两幅维度为C×H×W的特征图像,进一步的,将两幅特征图像输入至跨特征融合子模型中进行处理,以得到将a的内容信息和b的形状特征信息进行特征融合的一幅维度为C×H×W的特征融合图像,最后,将该特征融合图像经过生成器处理,得到目标图像c。
本公开实施例的技术方案,通过获取待处理图像,提取待处理图像的内容信息,以及提取目标条件图像的形状特征信息,并对形状特征信息和内容信息进行融合处理,得到目标图像,解决了现有图像处理方法中所呈现出的缺乏新颖性和趣味性的问题,实现了图像形状特征信息的高质量转换,丰富了特效图像处理方法的趣味性,进一步提高了用户的使用体验。
图7为本公开实施例所提供的一种图像处理方法的流程示意图,在上述实施例的基础上,在获取待处理图像之前,可以预先训练待训练图像翻译模型,得到目标图像翻译模型。其具体的实施方式可以参见本实施例技术方案。其中,与上述实施例相同或者相应的技术术语在此不再赘述。
如图7所示,该方法具体包括如下步骤:
S210、确定至少一个训练样本。
在本实施例中,目标图像翻译模型是经过待处理图像、与待处理图像对应的目标输出图像以及参考条件图像训练得到的。因此,在对待训练图像翻译模型进行训练时,所获取的训练样本中包括原始图像、理论输出图像、以及与理论输出图像的线条信息相对应,且与原始图像的图像内容相一致的参考条件图像。
其中,原始图像可以为基于拍摄装置拍摄的图像,或者,从存储空间中预先存储的图像,或者,是经过高斯噪声随机生成的图像。理论输出图像是按照用户需求生成,符合用户期望的图像。参考条件图像为与理论输出图像的线条信息相一致的图像。在实际应用中,可以根据参考条件图像的线条信息制作理论输出图像,也可以根据理论输出图像的线条信息制作与其相对应的线条图像,从而基于上述方式构建训练样本。
可选的,确定至少一个训练样本,包括:获取同一主体在不同姿态下的原始图像和理论输出图像;根据理论输出图像的形状特征信息,以及原始图像的内容信息,确定与原始图像相对应的参考条件图像;基于各主体的原始图像、理论输出图像以及参考条件图像,确定至少一个训练样本。
其中,主体可以为用户、宠物或者卡通人物等。在实际应用中,当需要确定配对样本图像时,可以获取目标主体在不同拍摄视角下的原始图像和理论输出图像,此时,原始图像和理论输出图像的拍摄视角相同,但是姿态信息不同。在对模型进行训练时,将理论输出图像作为模型的真实输出图像,为了在模型训练时可以得到与理论输出图像的姿态信息相对应的图像,需要制作理论输出图像的线条图像,即,如果原始图像与理论输出图像的姿态变化信息为整体身体姿态的变化,此时得到的线条图像为整体身体姿态轮廓图像;如果需要对原该主体的面部信息进行处理,则原始图像与理论输出图像为面部线条不同的面部图像,进而基于理论输出图像的面部线条信息确定参考条件,并将原始图像、理论输出图像以及参考条件图像作为训练样本。
在实际应用中,可能无法获取同一主体在不同姿态下的配对样本图像,此时,为了可以高效的确定配对样本图像,可以对图像进行一定的形变处理,以得到配对样本图像。
可选的,获取同一主体在不同姿态下的原始图像和理论输出图像,包括:获取当前主体的原始图像,并对原始图像形变处理,得到与原始图像相对应的理论输出图像。
一般情况下,当没有同一主体在不同姿态下的配对图像时,可以首先获取当前主体的原始图像,进一步的,对原始图像进行形变处理,例如,翻转、几何形变或者随机裁剪等,从而得到同一主体在不同姿态下的原始图像和理论输出图像的配对图像。
进一步的,在确定原始图像和理论输出图像后,需要根据上述两幅图像确定参考条件图像,由于理论输出图像是依据参考条件图像生成的图像,因此,需要对理论输出图像中的线条信息进行特征提取。在本实施例中,可以通过特征点提取算法对理论输出图像进行处理,例如,人体姿态识别算法,从而获取理论输出图像中主体的多个关键点,例如,对于面都图像,可以获取面部五官的多个关键点;对于人体姿态图像,可以获取人体肢体部位的多个关键点等,将得到多个关键点连接在一起,从而得到理论输出图像的线条信息,将线条信息作为参考条件图像。将各主体的原始图像、理论输出图像和参考条件图像作为一个训练样本。
需要说明的是,不仅可以在图像翻译模型训练阶段采用开源的人体姿态识别算法提取人体关键点,以得到参考条件图像,还可以在图像翻译模型应用阶段,通过对各个待处理图像采用开源的人体姿态识别算法获取人体关键点图像作为目标条件图。
还需说明的是,在对待训练图像翻译模型进行训练之前,需要先获取训练样本,以基于训练样本来训练模型。为了提高模型的准确性,可以尽可能多而丰富的获取训练样本,获取不同主体在不同拍摄角度下不同姿态的一些图像,例如,获取不同主体在多个相机视角下的视图,并对视图进行图像处理,得到相对应的理论输出图像,从而基于上述方式构建丰富的训练样本。
S220、将训练样本中的原始图像和参考条件图像,作为待训练图像翻译模型的输入,得到实际输出图像。
需要说明的是,针对每一个训练样本,均可以采用S220的方式对其进行训练,从而得到目标图像翻译模型。
其中,待训练图像翻译模型为模型中的模型参数为初始参数,或者默认参数的模型。实际输出图像是将原始图像和参考条件输入至待训练图像翻译模型后,输出的图像。
在本实施例中,待训练图像翻译模型可以包括两个编码器以及跨特征融合子模型,将原始图像和参考条件图像输入至待训练图像翻译模型后,通过编码器和跨特征融合子模型对输入图像进行处理,从而得到实际输出图像。
可选的,将当前训练样本中的原始图像和参考条件图像,作为待训练图像翻译模型的输入,得到实际输出图像,包括:基于两个编码器分别对原始图像和参考条件图像进行处理,得到原始特征图和参考特征图;基于跨特征融合子模型对原始特征图和参考特征图进行处理,得到与参考特征图的线条信息相一致,且与原始特征图的内容信息相一致的实际输出图像。
其中,编码器可以为用于实现编码处理的神经网络模型。示例性的,编码器可以为残差卷积神经网络模型。原始特征图为原始图像进行形状特征信息提取后的得到的,用于显示其形状特征信息的图像。相应的,参考特征图为参考条件图像经过形状特征信息提取后得到的,用于显示其形状特征信息的图像。跨特征融合子模型是一个基于自注意力机制训练得到的神经网络模型。
一般情况下,将原始图像和参考条件图像输入至待训练图像翻译模型后,由于提取的特征信息不同,需要分别经过不同的编码器对图像进行处理,从而得到原始特征图和参考特征图,进而基于跨特征融合子模型对原始特征图和参考特征图进行拼接处理,从而得到同时包括原始特征图的内容信息和参考特征图的形状特征信息的实际输出图像。
接下来,可以对如何经过编码器和跨特征融合子模型对图像的处理过程进行详细介绍。
在实际应用中,为了提取原始图像和参考条件图像中不同的特征信息,可以采用不同的编码器进行特征提取。
可选的,两个编码器包括第一编码器和第二编码器,基于两个编码器分别对原始图像和参考条件图像进行处理,得到原始特征图和参考特征图,包括:基于第一编码器提取原始图像中的内容信息,得到原始特征图;以及,基于第二编码器提取参考条件图像的形状特征信息,得到参考特征图。
在实际应用中,可以分别通过不同的编码器对原始图像和参考条件图像进行特征信息提取处理。具体的,通过第一编码器对原始图像中的内容信息进行特征提取,从而得到包括原始图像内容信息的原始特征图,相应的,通过第二编码器对参考条件图像的形状特征信息进行特征提取,从而得到包括参考条件图像形状特征信息的参考特征图,以使跨特征融合子模型可以对经过编码器处理后得到的两幅特征图作后续处理。
进一步的,基于跨特征融合子模型对原始特征图和参考特征图进行处理,得到与参考特征图的形状特征信息相一致,且与原始特征图的内容信息相一致的实际输出图像,包括:基于跨特征融合子模型将原始特征图中的内容信息,与参考特征图中的形状特征信息进行对齐,得到实际输出图像。
在实际应用中,将原始特征图和参考特征图输入值跨特征融合子模型中,跨特征融合子模型可以通过全局感知能力将原始特征图的内容信息与参考特征图的形状特征信息进行特征对齐,从而得到同时包含原始图像的内容信息和参考条件图像形状特征信息的实际输出图像。
具体的,将原始图像和参考条件图像输入至待训练图像翻译模型中后,通过待训练图像翻译模型中的两个编码器分别对原始图像和参考条件图像进行特征信息的提取,得到原始特征图和参考特征图,进一步的,将原始特征图和参考特征图输入至跨特征融合子模型中,以使该子模型将原始特征图和参考特征图进行特征对齐操作,从而输出与参考特征图的形状特征信息相一致,且与原始特征图的内容信息相一致的实际输出图像。
在实际应用中,为了进一步得到包含原始图像的内容信息和参考图像形状特征信息的实际输出图像,需要经跨特征融合子模型输出的实际特征图通过生成器进行处理,从而输出与实际特征图对应的实际输出图像。在本实施例中,生成器可以开源语义图像合成器。
S230、基于实际输出图像和相应的理论输出图像,确定损失值,并基于损失值对待训练图像翻译模型中的模型参数进行修正。
一般情况下,待训练图像翻译模型的模型参数为初始参数或者默认参数,在对待训练图像翻译模型进行训练时,可以基于待训练图像翻译模型的输出结果修正模型中的各项模型参数,即,可以通过对待训练图像翻译模型的损失值进行修正,从而得到目标图像翻译模型。其中,损失值为实际输出图像与理论输出图像之间的差异值。
具体的,在得到待训练图像翻译模型输出的实际输出图像后,可以将该实际输出图像与相对应的理论输出图像相比较,确定损失值,并基于损失值修正待训练图像翻译模型中的模型参数。
S240、将待训练图像翻译模型中的损失函数收敛作为训练目标,得到目标图像翻译模型。
其中,损失函数为基于损失值确定的,用于表现实际输出与理论输出之间差异程度的函数。在本实施例中,损失函数可以为重建损失或者生成判别损失。目标图像翻译模型为最终训练得到的,用于将待处理图像翻译成目标图像的模型。
具体的,可以将损失函数的训练误差,即损失参数作为检测当前损失函数是否达到收敛的条件,例如,训练误差是否小于预设误差或误差变化趋势是否趋于稳定,或者当前的模型迭代次数是否等于预设次数等。若检测达到收敛条件,例如损失函数的训练误差达到小于预设误差或误差变化趋于稳定,表面当前待训练图像翻译模型训练完成,此时可以停止迭代训练。若检测到当前未达到收敛条件,则可以进一步获取当前训练样本对待训练图像翻译模型进行训练,直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时,可以将当前训练得到的待训练图像翻译模型作为目标图像翻译模型。
S250、获取待处理图像。
S260、提取待处理图像的内容信息。
S270、提取目标条件图像的形状特征信息。
S280、对形状特征信息和内容信息进行融合处理,得到目标图像。
本公开实施例的技术方案,对待训练图像翻译模型进行训练,从而得到训练完成的目标图像翻译模型,进而基于目标图像翻译模型对待处理图像进行处理,以得到与目标条件图像的形状特征信息相对应的目标图像,达到了提高目标图像的准确性和便捷性的技术效果。
图8为本公开实施例所提供的一种图像处理装置结构示意图,如图8所示,所述装置包括:图像获取模块310、内容信息提取模块320、形状特征信息提取模块330和信息融合模块340。
图像获取模块310,用于获取待处理图像;内容信息提取模块320,用于提取待处理图像的内容信息;形状特征信息提取模块330,用于提取目标条件图像的形状特征信息;信息融合模块340,用于对形状特征信息和内容信息进行融合处理,得到目标图像。。
在上述各技术方案的基础上,所述装置还包括:目标条件图像确定模块。
目标条件图像确定模块,用于确定原始条件图像中的关键点,并基于关键点确定目标条件图像。
触发时机确定单元,用于检测到入镜画面中包括目标主体;检测到触发图像拍摄控件;采集的语音信息触发图像获取唤醒词。
在上述各技术方案的基础上,所述内容信息提取模块320和形状特征信息提取模块330,还用于基于目标图像翻译模型获取待处理图像的内容信息和目标条件图像的形状特征信息。
在上述各技术方案的基础上,所述目标图像翻译模型中包括第一编码器和第二编码器,所述内容信息提取模块320和形状特征信息提取模块330,还用于基于第一编码器对待处理图像编码处理,得到内容信息;以及,基于第二编码器对目标条件图像进行处理,得到形状特征信息。
在上述各技术方案的基础上,信息融合模块340包括信息拼接子模块和信息处理子模块。
信息拼接子模块,用于基于目标图像翻译模型中的通道拼接层对形状特征信息和内容信息拼接处理,得到输入至跨特征融合子模型的待输入信息;信息处理子模块,用于基于目标图像翻译模型中的跨特征融合子模型对待输入信息进行处理,得到目标图像。
在上述各技术方案的基础上,所述跨特征融合子模型中包括第一子模型和第二子模型。信息处理子模块包括信息处理单元、第一特征处理单元、第二特征处理单元和第三特征处理单元。
信息处理单元,用于基于第一子模型对所述待输入信息进行处理,得到待处理特征;第一特征处理单元,用于基于多层感知机对所述待处理特征处理,得到待应用特征;第二特征处理单元,用于基于第二子模型对待应用特征进行处理,得到待使用特征;第三特征处理单元,用于基于标准化层对所述待应用特征进行处理,得到所述目标图像。
在上述各技术方案的基础上,所述第一子模型和所述第二子模型的模型结构相同,均包括第一处理模块和第二处理模块。
在上述各技术方案的基础上,信息处理单元包括信息处理子单元、第一残差处理子单元、特征处理子单元和第二残差处理子单元。
信息处理子单元,用于基于第一处理模块对待输入信息进行处理,得到第一特征;第一残差处理子单元,用于对待输入信息和第一特征残差处理,确定第二特征;特征处理子单元,用于基于第二处理模块对第二特征进行处理,得到第三特征;第二残差处理子单元,用于对第三特征和第二特征残差处理,得到待处理特征。
在上述各技术方案的基础上,所述第一处理模块中包括标准化层、多头注意力子网络,信息处理子单元,还用于将待输入信息输入至标准化层,得到第一预处理特征;将预处理特征输入多头注意力子网络中,得到第一特征。
在上述各技术方案的基础上,所述第二处理模块中包括标准化层、多层感知机,特征处理子单元,还用于基于标准化层对第二特征进行处理,得到第二预处理特征;基于多层感知机对第二预处理特征进行处理,得到第三特征。
在上述各技术方案的基础上,所述装置还包括:模型训练模块。
模型训练模块,用于确定至少一个训练样本,以基于所述至少一个训练样本训练得到所述目标图像翻译模型。
模型训练模块包括图像获取单元、图像确定单元和样本确定单元。
图像获取单元,用于获取同一主体在不同姿态下的原始图像和理论输出图像;图像确定单元,用于根据理论输出图像的形状特征信息,以及原始图像的内容信息,确定与原始图像相对应的参考条件图像;样本确定单元,用于基于各主体的原始图像、理论输出图像以及参考条件图像,确定所述至少一个训练样本。
在上述各技术方案的基础上,图像获取单元,还用于获取当前主体的原始图像,并对原始图像形变处理,得到与原始图像相对应的理论输出图像。
在上述各技术方案的基础上,模型训练模块还包括图像输入单元、模型参数修正单元、模型确定单元。
图像输入单元,用于将训练样本中的原始图像和参考条件图像,作为待训练图像翻译模型的输入,得到实际输出图像;模型参数修正单元,用于基于实际输出图像和相应的理论输出图像,确定损失值,并基于损失值对待训练图像翻译模型中的模型参数进行修正;模型确定单元,用于将待训练图像翻译模型中的损失函数收敛作为训练目标,得到目标图像翻译模型。
在上述各技术方案的基础上,图像输入单元,还用于基于两个编码器分别对原始图像和参考条件图像进行处理,得到原始特征图和参考特征图;基于跨特征融合子模型提取原始图像的内容信息以及参考条件图像的形状特征信息,得到实际输出图像。
在上述各技术方案的基础上,所述目标条件图像为部署在目标图像翻译模型中的图像,或是与目标图像翻译模型的输入接口绑定的图像。
在上述各技术方案的基础上,所述方法应用在云渲染试衣、处理特效图像以及拍摄特效视频的至少一种场景中。
本公开实施例的技术方案,通过获取待处理图像,提取待处理图像的内容信息,以及提取目标条件图像的形状特征信息,并对形状特征信息和内容信息进行融合处理,得到目标图像,解决了现有图像处理方法中所呈现出的缺乏新颖性和趣味性的问题,实现了图像形状特征信息的高质量转换,丰富了特效图像处理方法的趣味性,进一步提高了用户的使用体验。
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。
图9为本公开实施例所提供的一种电子设备的结构示意图。下面参考图9,其示出了适于用来实现本公开实施例的电子设备(例如图9中的终端设备或服务器)500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9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9所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505: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506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图9示出了具有各种装置的电子设备500,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509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501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。
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:
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:获取待处理图像;提取待处理图像的内容信息;提取目标条件图像的形状特征信息;对形状特征信息和内容信息进行融合处理,得到目标图像。
或者,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:获取待处理图像;提取待处理图像的内容信息;提取目标条件图像的形状特征信息;对形状特征信息和内容信息进行融合处理,得到目标图像。
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,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
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。
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 (13)
1.一种图像处理方法,其特征在于,包括:
获取待处理图像;
提取所述待处理图像的内容信息;
提取目标条件图像的形状特征信息;
对所述形状特征信息和所述内容信息进行融合处理,得到目标图像。
2.根据权利要求1所述的方法,其特征在于,确定所述目标条件图像包括:
确定原始条件图像中的关键点,并基于所述关键点确定所述目标条件图像。
3.根据权利要求1所述的方法,其特征在于,所述提取所述待处理图像的内容信息,提取目标条件图像的形状特征信息,包括:
基于目标图像翻译模型获取所述待处理图像的内容信息和所述目标条件图像的形状特征信息。
4.根据权利要求3所述的方法,其特征在于,所述目标图像翻译模型中包括第一编码器和第二编码器,所述基于目标图像翻译模型获取所述待处理图像的内容信息和所述目标条件图像的形状特征信息,包括:
基于第一编码器对所述待处理图像编码处理,得到内容信息;以及,基于第二编码器对所述目标条件图像进行处理,得到所述形状特征信息。
5.根据权利要求1所述的方法,其特征在于,所述对所述形状特征信息和所述内容信息进行融合处理,得到目标图像,包括:
基于目标图像翻译模型中的通道拼接层对所述形状特征信息和所述内容信息拼接处理,得到输入至跨特征融合子模型的待输入信息;
基于所述目标图像翻译模型中的跨特征融合子模型对所述待输入信息进行处理,得到所述目标图像。
6.根据权利要求5所述的方法,其特征在于,所述跨特征融合子模型中包括第一子模型和第二子模型,所述基于所述目标图像翻译模型中的跨特征融合子模型对所述待输入信息进行处理,得到所述目标图像,包括:
基于第一子模型对所述待输入信息进行处理,得到待处理特征;
基于多层感知机对所述待处理特征处理,得到待应用特征;
基于所述第二子模型对所述待应用特征进行处理,得到待使用特征;
基于标准化层对所述待应用特征进行处理,得到所述目标图像。
7.根据权利要求6所述的方法,其特征在于,所述第一子模型和所述第二子模型的模型结构相同,均包括第一处理模块和第二处理模块。
8.根据权利要求7所述的方法,其特征在于,所述基于第一子模型对所述待输入信息进行处理,得到待处理特征,包括:
基于所述第一处理模块对所述待输入信息进行处理,得到第一特征;
对所述待输入信息和所述第一特征残差处理,确定第二特征;
基于所述第二处理模块对所述第二特征进行处理,得到第三特征;
对所述第三特征和所述第二特征残差处理,得到所述待处理特征。
9.根据权利要求8所述的方法,其特征在于,所述第一处理模块中包括标准化层、多头注意力子网络,所述基于所述第一处理模块对所述待输入信息进行处理,得到第一特征,包括:
将所述待输入特征输入至标准化层,得到第一预处理特征;
将所述预处理特征输入所述多头注意力子网络中,得到所述第一特征。
10.根据权利要求8所述的方法,其特征在于,所述第二处理模块中包括标准化层、多层感知机,所述基于所述第二处理模块对所述第二特征进行处理,得到第三特征,包括:
基于所述标准化层对所述第二特征进行处理,得到第二预处理特征;
基于所述多层感知机对所述第二预处理特征进行处理,得到所述第三特征。
11.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取待处理图像;
内容信息提取模块,用于提取所述待处理图像的内容信息;
形状特征信息提取模块,用于提取目标条件图像的形状特征信息;
信息融合模块,用于对所述形状特征信息和所述内容信息进行融合处理,得到目标图像。
12.一种电子设备,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1-10中任一所述的图像处理方法。
13.一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1-10中任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210750538.9A CN114937192A (zh) | 2022-06-28 | 2022-06-28 | 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 |
---|---|---|---|
CN202210750538.9A CN114937192A (zh) | 2022-06-28 | 2022-06-28 | 图像处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114937192A true CN114937192A (zh) | 2022-08-23 |
Family
ID=82868624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210750538.9A Pending CN114937192A (zh) | 2022-06-28 | 2022-06-28 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114937192A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937033A (zh) * | 2022-12-19 | 2023-04-07 | 北京字跳网络技术有限公司 | 图像生成方法、装置及电子设备 |
CN116188431A (zh) * | 2023-02-21 | 2023-05-30 | 北京长木谷医疗科技有限公司 | 基于CNN与Transformer的髋关节分割方法及装置 |
-
2022
- 2022-06-28 CN CN202210750538.9A patent/CN114937192A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937033A (zh) * | 2022-12-19 | 2023-04-07 | 北京字跳网络技术有限公司 | 图像生成方法、装置及电子设备 |
CN115937033B (zh) * | 2022-12-19 | 2024-02-02 | 北京字跳网络技术有限公司 | 图像生成方法、装置及电子设备 |
CN116188431A (zh) * | 2023-02-21 | 2023-05-30 | 北京长木谷医疗科技有限公司 | 基于CNN与Transformer的髋关节分割方法及装置 |
CN116188431B (zh) * | 2023-02-21 | 2024-02-09 | 北京长木谷医疗科技股份有限公司 | 基于CNN与Transformer的髋关节分割方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368685A (zh) | 关键点的识别方法、装置、可读介质和电子设备 | |
CN114937192A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114331820A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110349107B (zh) | 图像增强的方法、装置、电子设备、及存储介质 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN114418834A (zh) | 一种文字生成方法、装置、电子设备及存储介质 | |
CN113487618A (zh) | 人像分割方法、装置、电子设备及存储介质 | |
CN114330236A (zh) | 文字生成方法、装置、电子设备及存储介质 | |
CN111967397A (zh) | 人脸影像处理方法和装置、存储介质和电子设备 | |
CN115311178A (zh) | 图像拼接方法、装置、设备及介质 | |
CN114863214A (zh) | 图像生成模型训练、图像生成方法、装置、介质及设备 | |
CN114913061A (zh) | 一种图像处理方法、装置、存储介质及电子设备 | |
CN115546575A (zh) | 驱动模型的训练方法、驱动方法、装置、可读介质和设备 | |
CN112785669B (zh) | 一种虚拟形象合成方法、装置、设备及存储介质 | |
CN114004905A (zh) | 人物风格形象图的生成方法、装置、设备及存储介质 | |
CN114170342A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114399814A (zh) | 一种基于深度学习的遮挡物移除和三维重建方法 | |
CN114331824A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113902838A (zh) | 动画生成方法、装置、存储介质及电子设备 | |
CN114067327A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN110619602B (zh) | 一种图像生成方法、装置、电子设备及存储介质 | |
CN112714263A (zh) | 视频生成方法、装置、设备及存储介质 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN116994266A (zh) | 文字处理方法、装置、电子设备及存储介质 | |
CN115049537A (zh) | 图像处理方法、装置、电子设备及存储介质 |
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 |