CN115035223A - 一种图像处理方法、装置、设备及介质 - Google Patents

一种图像处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN115035223A
CN115035223A CN202210892525.5A CN202210892525A CN115035223A CN 115035223 A CN115035223 A CN 115035223A CN 202210892525 A CN202210892525 A CN 202210892525A CN 115035223 A CN115035223 A CN 115035223A
Authority
CN
China
Prior art keywords
model
expression
target
grid
determining
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
Application number
CN202210892525.5A
Other languages
English (en)
Inventor
徐国智
郭晓阳
蒋昊
唐迪
温翔
卢成浩
李嘉豪
刘阳
周佳庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202210892525.5A priority Critical patent/CN115035223A/zh
Publication of CN115035223A publication Critical patent/CN115035223A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

本公开实施例涉及一种图像处理方法、装置、设备及介质，其中该方法包括：获取具有表情的深度图像；将深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，网格转换模型的训练样本基于四维扫描数据生成；基于目标网格模型确定目标表情参数；基于目标表情参数通过渲染得到表情模型。采用上述技术方案，由于网格转换模型是基于四维扫描数据生成的，四维扫描数据能够记录更多细节以及局部微弱特征，使得网格转换模型的精度得到大大提高，进而提高了目标网格模型和表情模型的精度，避免细节上丢失，保留局部微弱表情，能够实现高精度的表情还原。

Description

一种图像处理方法、装置、设备及介质
技术领域
本公开涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及介质。
背景技术
随着图像处理技术的发展，在动画形象中增加表情使得动画形象更加生动形象，具体可以通过将捕捉的表情迁移到模型中实现逼真的表情。
相关技术中，通常基于多个表情基(shape)的方法或者基于带3D结构光的Arkit方法来实现表情还原，但是上述方法均存在细节上丢失严重，局部微弱特征无法计算的缺陷，导致精度较低。
发明内容
为了解决上述技术问题，本公开提供了一种图像处理方法、装置、设备及介质。
本公开实施例提供了一种图像处理方法，所述方法包括：
获取具有表情的深度图像；
将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；
基于所述目标网格模型确定目标表情参数；
基于所述目标表情参数通过渲染得到表情模型。
本公开实施例还提供了一种图像处理装置，所述装置包括：
获取模块，用于获取具有表情的深度图像；
网格模块，用于将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；
参数模块，用于基于所述目标网格模型确定目标表情参数；
渲染模块，用于基于所述目标表情参数通过渲染得到表情模型。
本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的图像处理方法。
本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的图像处理方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的图像处理方案，获取具有表情的深度图像；将深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，网格转换模型的训练样本基于四维扫描数据生成；基于目标网格模型确定目标表情参数；基于目标表情参数通过渲染得到表情模型。采用上述技术方案，通过将具有表情的深度图像输入网格转换模型中可以得到网格模型，之后对网格模型确定的表情参数渲染可以还原得到表情模型，由于网格转换模型是基于四维扫描数据生成的，四维扫描数据能够记录更多细节以及局部微弱特征，使得网格转换模型的精度得到大大提高，进而提高了目标网格模型和表情模型的精度，避免细节上丢失，保留局部微弱表情，能够实现高精度的表情还原。
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为本公开实施例提供的一种图像处理方法的流程示意图；
图2为本公开实施例提供的另一种图像处理方法的流程示意图；
图3为本公开实施例提供的一种反解算过程的示意图；
图4为本公开实施例提供的一种图像处理装置的结构示意图；
图5为本公开实施例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。
相关技术中，在基于多个表情基的方法进行表情还原时，无法计算局部微弱但是又高频的特征，比如嘴唇的小动作；而基于带3D结构光的Arkit方法的表情还原，在细节上丢失严重，尤其在两个表情之间转变的过程，涉及到大量肌肉细微的颤动与拉伸，导致大量细节丢失。为了解决上述精度较低的技术问题，本公开实施例提供了一种图像处理方法，下面结合具体的实施例对该方法进行介绍。
图1为本公开实施例提供的一种图像处理方法的流程示意图，该方法可以由图像处理装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：
步骤101、获取具有表情的深度图像。
其中，表情可以理解为情绪的主观外部表现模式，本公开实施例的表情是指面部表情，例如猩猩可以通过面部表情表示开心、悲伤、愤怒等情绪。深度图像可以是具有实际空间中深度信息的图像，深度信息可以是空间中一点距离拍摄装置的距离。
在一些实施例中，获取具有表情的深度图像，可以包括：获取同一时刻采集的两个目标图像，每个目标图像中包括表情；基于两个目标图像利用立体视觉技术，获取深度图像。
目标图像可以包括表情的二维图像，可以通过拍摄装置获取两个目标图像，例如可以在获取表情捕捉演员的授权之后对表情捕捉演员的面部获取左右两侧具有表情的目标图像，拍摄装置可以是双目摄像头或经过标定后的两个摄像头。立体视觉技术是一种计算机视觉技术，通过该技术可以从两个图像中推理出图像中每个像素点的深度信息，具体可以基于视差原理实现。
具体的，图像处理装置可以先获取同一时刻采集的具有表情的两个目标图像，之后可以对两个目标图像采用ORB(Oriented FAST and Rotated BRIEF)算法进行特征点检测以及描述子计算，分别确定各目标图像对应的特征点和描述子，并基于特征点和描述子进行像素点匹配；根据像素点的匹配结果采用立体视觉技术可以确定每个像素点的深度信息，进而得到深度图像。
步骤102、将深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，网格转换模型的训练样本基于四维扫描数据生成。
其中，网格转换模型可以是用于实现从深度图像到网格(mesh)模型到转换的深度学习模型，网格模型包括能够构成面部的多个网格顶点的三维坐标，网格模型可以是基于网格顶点和网格构建的三维模型，目标网格模型为当前深度图像对应的网格模型。本公开实施例中该网格转换模型可以预先训练得到，训练样本基于四维扫描数据生成，四维扫描数据可以记录肌肉运动时连续的细节和形状，将这些细节和形状单独提出来放在表情扩张和收缩之间，可以得到更加真实的表情形状，因此本公开实施例中网格转换模型的精度较高。
在本公开实施例中，图像处理装置在获取到深度图像之后，可以将该深度图像输入预先训练的精度较高的网格转换模型中，可以确定当前的深度图像对应的目标网格模型。
步骤103、基于目标网格模型确定目标表情参数。
其中，表情参数可以是一种控制器参数(Rig Value)，用于输入至实现表情渲染的引擎中进行表情还原，该表情参数的数据量相较于目标网格模型来说较小，能够提升后续表情还原效率。实现表情渲染的引擎可以包括多种类型，本公开实施例对此不作限制。目标表情参数可以是针对目标网格模型确定的表情参数。
在一些实施例中，基于目标网格模型确定目标表情参数，可以包括：基于目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数。其中，预设计算矩阵可以表示上述实现表情渲染的引擎中预先绑定的从表情参数到网格模型的计算方式，通过计算矩阵来表征，当然也可以通过其他形式表征。
可选的，基于目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数，包括；基于基础表情参数和预设计算矩阵，确定计算网格模型；确定计算网格模型与目标网格模型之间的损失值，判断是否满足迭代停止条件，若是，则将此时的基础表情参数确定为目标表情参数；否则，基于损失值反向回传优化基础表情参数，并基于优化后的基础表情参数确定新的损失值，直到满足迭代停止条件为止。
基础表情参数可以是迭代过程中用于计算网格模型的基础数据，基础表情参数的初始值为随机初始化的一个值，优化后的基础表情参数可以是对上一轮迭代过程中的基础表情参数的值进行优化后的值。计算网格模型可以是在完整迭代过程的每一轮迭代过程基于对应的基础表情参数和预设计算矩阵通过计算确定的网格模型。迭代停止条件可以是反结算的迭代过程中判断是否能够停止迭代的具体条件。
图像处理装置在基于目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数时，可以随机确定基础表情参数的初始值，根据该初始值和预设计算矩阵进行前向计算得到计算网格模型；之后可以通过预设损失函数确定计算网格模型与目标网格模型之间的损失值，并判断是否满足迭代停止条件，若此时满足迭代停止条件，则将此时的基础表情参数确定最终的目标表情参数；若此时不满足迭代停止条件可以基于上述损失值反向回传并迭代优化基础表情参数的初始值，具体可以通过随机梯度下降方法或Adam优化算法进行优化，仅为示例；之后可以基于优化后的基础表情参数的值返回继续确定对应的新的计算网格模型，进而确定新的损失值，经过多次迭代，在满足迭代停止条件时可以得到最终的目标表情参数。
上述判断是否满足迭代停止条件可以包括：判断损失值是否小于预设阈值，若是，则确定满足迭代停止条件；否则，确定不满足迭代停止条件。或者，上述判断是否满足迭代停止条件可以包括：判断迭代次数是否达到预设次数，若是，则确定满足迭代停止条件；否则，确定不满足迭代停止条件。上述预设阈值为针对损失值设置的最大值，预设次数为针对迭代次数设置的最小值，具体可以根据实际情况确定。
示例性的，图2为本公开实施例提供的一种反解算过程的示意图，如图2所示，图中反结算过程可以包括：随机初始化基础表情参数，采用预设计算矩阵进行前向计算可以得到计算网格模型，对生成的计算网格模型与原始的目标网格模型计算损失值，并将损失值反向回传，迭代优化基础表情参数，经过多次迭代，可以得到最优的基础表情参数为目标表情参数，从而反解得到了结果。
上述方案中，在确定目标网格模型之后可以通过反解算确定对应的目标表情参数，由于目标表情参数的数据维度相较于目标网格模型来说较小，能够极大降低数据量，进而能够提升后续表情还原效率。
步骤104、基于目标表情参数通过渲染得到表情模型。
图像处理模型在确定目标表情参数之后，可以将目标表情参数输入上述实现表情渲染的引擎中进行渲染即可得到可视化的表情模型，
本公开实施例提供的图像处理方案，获取具有表情的深度图像；将深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，网格转换模型的训练样本基于四维扫描数据生成；基于目标网格模型确定目标表情参数；基于目标表情参数通过渲染得到表情模型。采用上述技术方案，通过将具有表情的深度图像输入网格转换模型中可以得到网格模型，之后对网格模型确定的表情参数渲染可以还原得到表情模型，由于网格转换模型是基于四维扫描数据生成的，四维扫描数据能够记录更多细节以及局部微弱特征，使得网格转换模型的精度得到大大提高，进而提高了目标网格模型和表情模型的精度，避免细节上丢失，保留局部微弱表情，能够实现高精度的表情还原。
示例性的，图3为本公开实施例提供的另一种图像处理方法的流程示意图，如图3所示，在一种可行的实施方式中，图像处理方法还可以包括：
步骤301、获取四维扫描数据，并基于四维扫描数据构建训练样本。
其中，四维扫描数据可以是通过四维扫描系统对表情捕捉演员这种特殊角色的面部进行数据采集获得，四维扫描数据可以记录肌肉运动时连续的细节和形状，将这些细节和形状单独提出来放在表情扩张和收缩之间，可以得到更加真实的表情形状。
具体的，图像处理装置可以获取四维扫描数据，四维扫描数据中包括多个时间点以及各时间点对应的三维点云数据，之后可以基于该四维扫描数据构建训练样本。
在一些实施例中，基于四维扫描数据构建训练样本，可以包括：基于四维扫描数据中各时间点的三维点云数据，确定样本深度图序列以及对应的样本模型序列，其中，样本深度图序列包括多个样本深度图，样本模型序列包括多个样本模型，每个样本深度图与唯一的样本模型对应；将深度图序列和样本模型序列确定为训练样本。样本模型可以是表示上述网格模型的样本数据。
图像处理装置在获取四维扫描数据之后，基于该四维扫描数据中各时间点的三维点云数据经过投影计算可以确定每个时间点的样本深度图，组合得到样本深度图序列；并且可以提取多个关键时间点的三维点云数据经过网格化处理得到每个关键时间点对应的样本模型，之后基于各关键时间点对应的样本模型通过差值的方法计算确定每个时间点的样本模型，组合得到样本模型序列；由于每个时间点均得到一个样本深度图和一个样本模型，样本深度图和样本模型一一对应；将样本深度图序列和样本模型序列确定为训练样本。
步骤302、基于训练样本对基础神经网络进行训练，得到网格转换模型。
其中，基础神经网络可以是初始的参数还未收敛的神经网络，具体类型不限，例如基础神经网络可以为卷积神经网络。
在一些实施例中，基于训练样本对神经网络进行训练，得到网格转换模型，可以包括：将训练样本中的深度图序列作为输入数据以及样本模型序列作为输出数据，对基础神经网络进行训练，将训练好的基础神经网络确定为网格转换模型。
图像处理装置基于四维扫描数据构建训练样本之后，可以从训练样本中深度图序列以及样本模型序列提取一一对应样本深度图和样本模型，每次提取的样本深度图作为基础神经网络的输入数据，样本模型作为基础神经网络的输出数据，对基础神经网络进行训练，将训练好的参数收敛的基础神经网络确定为网格转换模型。
在一些实施例中，网格转换模型的损失函数采用均方误差损失函数与KL散度损失函数共同确定。
网格转换模型的损失函数可以表示为TotalLossMSELoss+lambda*KLDivLoss其中，TotaLoss表示综合损失值，MSEloss表示采用均方误差损失函数确定的损失值，KLDivloss表示采用KL散度损失函数确定的损失值，lambda为权重参数，可以取值为0.1。
上述均方损失(Mean-Square Error，MSE)函数可以表示为
Figure BDA0003768152190000092
其中，MSEloss表示采用均方误差损失函数确定的损失值，
Figure BDA0003768152190000093
表示网格转换模型基于样本深度图预测得到的网格模型的第i个网格顶点坐标，也即一个网格顶点坐标的预测值，
Figure BDA0003768152190000094
表示与该样本深度图对应的样本模型的第i个网格顶点坐标，也即一个网格顶点坐标的标注值(GroundTruth)。
同时为约束预测的网格模型和样本模型两者分布之间的距离，网格转换模型的损失函数还可以增加KL散度(Kullback-Leiblerdivergence)损失函数，具体可以表示为
Figure BDA0003768152190000091
其中，KLDivloss表示采用KL散度损失函数确定的损失值，N表示一个网格模型中网格顶点坐标的数量，
Figure BDA0003768152190000095
表示网格转换模型基于样本深度图预测得到的网格模型的第i个网格顶点坐标，也即一个网格顶点坐标的预测值，
Figure BDA0003768152190000096
表示与该样本深度图对应的样本模型的第i个网格顶点坐标，也即一个网格顶点坐标的标注值。
上述方案中，网格转换模型的损失函数通过采用均方误差损失函数与KL散度损失函数共同确定，提升了模型训练的准确性。
上述方案中，利用四维扫描系统积累大量的四维扫描数据训练网格转换模型，由于四维扫描数据可以记录更加精细的细节和局部特征，基于训练好的网格转换模型能够更好的还原表情，进而提升表情还原的精度。
本公开实施例提供的方案，基于四维扫描数据进行网格转换模型的训练，之后获取包括表情的深度图像，进而通过训练好的网格转换模型通过深度图推算出对应的网格模型，基于该网格模型结合网格反解算算法，从而得到符合表情规律的表情参数，进而通过渲染得到的表情模型。通过四维扫描数据训练的网格转换模型，逐帧进行网关重建，可以获得动作变换间的高频微表情，实现高精度的表情还原。
图4为本公开实施例提供的一种图像处理装置的结构示意图，该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图4所示，该装置包括：
获取模块401，用于获取具有表情的深度图像；
网格模块402，用于将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；
参数模块403，用于基于所述目标网格模型确定目标表情参数；
渲染模块404，用于基于所述目标表情参数通过渲染得到表情模型。
可选的，获取模块401用于：
获取同一时刻采集的两个目标图像，每个所述目标图像中包括表情；
基于所述两个目标图像利用立体视觉技术，获取所述深度图像。
可选的，所述装置还包括模型训练模块，包括：
样本单元，用于获取所述四维扫描数据，并基于所述四维扫描数据构建训练样本；
训练单元，用于基于所述训练样本对基础神经网络进行训练，得到所述网格转换模型。
可选的，所述样本单元用于：
基于所述四维扫描数据中各时间点的三维点云数据，确定样本深度图序列以及对应的样本模型序列，其中，所述样本深度图序列包括多个样本深度图，所述样本模型序列包括多个样本模型，每个所述样本深度图与唯一的所述样本模型对应；
将所述深度图序列和所述样本模型序列确定为训练样本。
可选的，所述训练单元用于：
将所述训练样本中的所述深度图序列作为输入数据以及所述样本模型序列作为输出数据，对所述基础神经网络进行训练，将训练好的基础神经网络确定为所述网格转换模型。
可选的，所述网格转换模型的损失函数采用均方误差损失函数与KL散度损失函数共同确定。
可选的，参数模块403用于：
基于所述目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数。
可选的，参数模块403用于：
基于基础表情参数和所述预设计算矩阵，确定计算网格模型；
确定所述计算网格模型与所述目标网格模型之间的损失值，判断是否满足迭代停止条件，若是，则将此时的基础表情参数确定为目标表情参数；
否则，基于所述损失值反向回传优化所述基础表情参数，并基于优化后的基础表情参数确定新的损失值，直到满足所述迭代停止条件为止。
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。
本公开实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任意实施例所提供的图像处理方法。
图5为本公开实施例提供的一种电子设备的结构示意图。下面具体参考图5，其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。本公开实施例中的电子设备500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。输入/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5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图像处理方法中限定的上述功能。
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：获取具有表情的深度图像；将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；基于所述目标网格模型确定目标表情参数；基于所述目标表情参数通过渲染得到表情模型。
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。
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。
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，应当依据相关法律法规通过恰当的方式对本公开所涉及的信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
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：
获取具有表情的深度图像；
将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；
基于所述目标网格模型确定目标表情参数；
基于所述目标表情参数通过渲染得到表情模型。
2.根据权利要求1所述的方法，其特征在于，获取具有表情的深度图像，包括：
获取同一时刻采集的两个目标图像，每个所述目标图像中包括表情；
基于所述两个目标图像利用立体视觉技术，获取所述深度图像。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述四维扫描数据，并基于所述四维扫描数据构建训练样本；
基于所述训练样本对基础神经网络进行训练，得到所述网格转换模型。
4.根据权利要求3所述的方法，其特征在于，基于所述四维扫描数据构建训练样本，包括：
基于所述四维扫描数据中各时间点的三维点云数据，确定样本深度图序列以及对应的样本模型序列，其中，所述样本深度图序列包括多个样本深度图，所述样本模型序列包括多个样本模型，每个所述样本深度图与唯一的所述样本模型对应；
将所述深度图序列和所述样本模型序列确定为训练样本。
5.根据权利要求4所述的方法，其特征在于，基于所述训练样本对神经网络进行训练，得到所述网格转换模型，包括：
将所述训练样本中的所述深度图序列作为输入数据以及所述样本模型序列作为输出数据，对所述基础神经网络进行训练，将训练好的基础神经网络确定为所述网格转换模型。
6.根据权利要求1所述的方法，其特征在于，所述网格转换模型的损失函数采用均方误差损失函数与KL散度损失函数共同确定。
7.根据权利要求1所述的方法，其特征在于，基于所述目标网格模型确定目标表情参数，包括：
基于所述目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数。
8.根据权利要求7所述的方法，其特征在于，基于所述目标网格模型以及预设计算矩阵通过反解算确定对应的目标表情参数，包括；
基于基础表情参数和所述预设计算矩阵，确定计算网格模型；
确定所述计算网格模型与所述目标网格模型之间的损失值，判断是否满足迭代停止条件，若是，则将此时的基础表情参数确定为目标表情参数；
否则，基于所述损失值反向回传优化所述基础表情参数，并基于优化后的基础表情参数确定新的损失值，直到满足所述迭代停止条件为止。
9.一种图像处理装置，其特征在于，包括：
获取模块，用于获取具有表情的深度图像；
网格模块，用于将所述深度图像输入预先构建的网格转换模型中，确定目标网格模型，其中，所述网格转换模型的训练样本基于四维扫描数据生成；
参数模块，用于基于所述目标网格模型确定目标表情参数；
渲染模块，用于基于所述目标表情参数通过渲染得到表情模型。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-8中任一所述的图像处理方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8中任一所述的图像处理方法。
CN202210892525.5A 2022-07-27 2022-07-27 一种图像处理方法、装置、设备及介质 Pending CN115035223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210892525.5A CN115035223A (zh) 2022-07-27 2022-07-27 一种图像处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210892525.5A CN115035223A (zh) 2022-07-27 2022-07-27 一种图像处理方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115035223A true CN115035223A (zh) 2022-09-09

Family

ID=83131253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210892525.5A Pending CN115035223A (zh) 2022-07-27 2022-07-27 一种图像处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115035223A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173497A (zh) * 2023-11-02 2023-12-05 腾讯科技（深圳）有限公司 一种图像生成方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781613A (zh) * 2021-09-15 2021-12-10 广州虎牙科技有限公司 表情驱动方法、系统及计算机设备
CN114332315A (zh) * 2021-12-07 2022-04-12 北京百度网讯科技有限公司 3d视频生成方法、模型的训练方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781613A (zh) * 2021-09-15 2021-12-10 广州虎牙科技有限公司 表情驱动方法、系统及计算机设备
CN114332315A (zh) * 2021-12-07 2022-04-12 北京百度网讯科技有限公司 3d视频生成方法、模型的训练方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173497A (zh) * 2023-11-02 2023-12-05 腾讯科技（深圳）有限公司 一种图像生成方法、装置、电子设备及存储介质
CN117173497B (zh) * 2023-11-02 2024-02-27 腾讯科技（深圳）有限公司 一种图像生成方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
EP3605394A1 (en) Method and apparatus for recognizing body movement
CN112258512B (zh) 点云分割方法、装置、设备和存储介质
CN113327318B (zh) 图像显示方法、装置、电子设备和计算机可读介质
CN115690382B (zh) 深度学习模型的训练方法、生成全景图的方法和装置
CN114549722A (zh) 3d素材的渲染方法、装置、设备及存储介质
CN112381717A (zh) 图像处理方法、模型训练方法、装置、介质及设备
CN115578515B (zh) 三维重建模型的训练方法、三维场景渲染方法及装置
CN112800276A (zh) 视频封面确定方法、装置、介质及设备
CN112330788A (zh) 图像处理方法、装置、可读介质及电子设备
CN115035223A (zh) 一种图像处理方法、装置、设备及介质
CN115731341A (zh) 三维人头重建方法、装置、设备及介质
CN112714263A (zh) 视频生成方法、装置、设备及存储介质
CN115272667B (zh) 农田图像分割模型训练方法、装置、电子设备和介质
CN115049730B (zh) 零件装配方法、装置、电子设备及存储介质
CN115880526A (zh) 图像处理方法、装置、电子设备及存储介质
CN114066722B (zh) 用于获取图像的方法、装置和电子设备
CN112070888B (zh) 图像生成方法、装置、设备和计算机可读介质
CN115049537A (zh) 图像处理方法、装置、电子设备及存储介质
CN112070903A (zh) 虚拟对象的展示方法、装置、电子设备及计算机存储介质
CN115841151B (zh) 模型训练方法、装置、电子设备和计算机可读介质
CN117333560B (zh) 场景自适应的条纹结构光解码方法、装置、设备和介质
CN114283060B (zh) 视频生成方法、装置、设备及存储介质
CN112862110B (zh) 模型生成方法、装置和电子设备
CN114399814B (zh) 一种基于深度学习的遮挡物移除和三维重建方法
CN114049417B (zh) 虚拟角色图像的生成方法、装置、可读介质及电子设备

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