CN115187727B - 一种虚拟面部图像的生成方法、装置、设备及存储介质 - Google Patents
一种虚拟面部图像的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115187727B CN115187727B CN202210761125.0A CN202210761125A CN115187727B CN 115187727 B CN115187727 B CN 115187727B CN 202210761125 A CN202210761125 A CN 202210761125A CN 115187727 B CN115187727 B CN 115187727B
- Authority
- CN
- China
- Prior art keywords
- virtual face
- virtual
- image
- audio
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000001815 facial effect Effects 0.000 claims abstract description 59
- 238000012937 correction Methods 0.000 claims description 42
- 210000000056 organ Anatomy 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 3
- 208000011580 syndromic disease Diseases 0.000 claims 1
- 230000003190 augmentative effect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 210000000214 mouth Anatomy 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 230000008921 facial expression Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000003702 image correction Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 210000001508 eye Anatomy 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
- G10L21/10—Transforming into visible information
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种虚拟面部图像的生成方法、装置、设备及存储介质，涉及计算机技术视觉领域，尤其涉及虚拟人、增强现实、虚拟现实、混合现实、扩展现实和元宇宙等技术领域。具体实现方案为：获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播所述语音的目标虚拟面部图像。本公开可以提高虚拟面部图像与播报语音的匹配性。
Description
技术领域
本公开涉及计算机视觉技术领域，尤其涉及虚拟人、增强现实、虚拟现实、混合现实、扩展现实和元宇宙等技术领域，具体涉及一种虚拟面部图像的生成方法、装置、设备及存储介质。
背景技术
随着增强现实、虚拟现实、混合现实、扩展现实、元宇宙、虚拟主播等概念的逐渐落地实现，支持这些概念得以落地实现的底层技术也逐渐被关注，三维面部驱动作为其中一种重要的底层技术，具有很大的应用潜力和商业价值。
现有的面部驱动技术尚有一些瓶颈，虽然可以根据输入的信息流完成三维面部驱动，但依旧在真实性上存在一定问题，例如表情缺失、图像准确度不够等。
发明内容
本公开提供了一种虚拟面部图像的生成方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种虚拟面部图像的生成方法，包括：
获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；
根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的虚拟面部图像。
根据本公开的另一方面，提供了一种虚拟面部图像的生成装置，包括：
音视频获取模块，用于获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
面部数据获取模块，用于将所述音频流输入虚拟面部生成模型，得到的虚拟面部数据；
面部数据校正模块，用于根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的虚拟面部图像。
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能够执行本公开任意实施例所提供的虚拟面部图像的生成方法。
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执行本公开任意实施例所提供的虚拟面部图像的生成方法。
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，所述计算机程序在被处理器执行时实现本公开任意实施例所提供的虚拟面部图像的生成方法。
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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一实施例提供的一种虚拟面部图像的生成方法的示意图；
图2A是根据本公开又一实施例提供的一种虚拟面部图像的生成方法的示意图；
图2B是根据本公开又一实施例提供的一种虚拟面部图像校正流程的示意图；
图2C是根据本公开又一实施例提供的一种虚拟面部驱动参数校正流程的示意图；
图3是根据本公开又一实施例提供的一种虚拟面部图像生成流程的示意图；
图4是根据本公开又一实施例提供的一种虚拟面部图像的生成装置的示意图；
图5是用来实现本公开实施例的电子设备的框图。
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和精神。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。
图1是根据本公开实施例提供的一种虚拟面部图像的生成方法的示意图，本公开实施例可适用于通过同步输入的音频流和视频流来生成虚拟面部图像的情况，例如，在直播间、虚拟主持等应用程序中，会基于音视频流来生成虚拟人物形象来播报语音，即可采用本公开实施例的技术方案。该方法可由一种虚拟面部图像的生成装置来执行，该装置可采用硬件和/或软件的方式来实现，可配置于具备相应数据处理能力的电子设备中，例如，可以配置在服务器中，生成虚拟面部图像后，推送给客户端来播放；或者，也可以配置在客户端中，由终端执行来生成虚拟面部图像播报语音的动画效果。参考图1，该方法具体包括如下：
S110、获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
S120、将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；
S130、根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的目标虚拟面部图像。
其中，虚拟面部生成模型用于基于音频流来生成对应的虚拟面部图像，可选的是采用机器学习模型，可在线下预先完成训练，用于根据输入的包括语音的音频流，输出模拟播报音频流中语音的虚拟面部数据。虚拟面部可以是人脸面部、小动物面部、玩偶面部等，具体根据应用场景和需求选定。虚拟面部数据用于表征虚拟面部在播报音频流中语音时的面部特征，例如口型和面部表情。
具体的，可以在用户播报语音时，收集包括语音的音频流和包括用户播报该语音时真实面部图像的视频流，作为时间同步的视频流和音频流。将包括语音的语音流输入虚拟面部生成模型，通过虚拟面部生成模型提取音频流中语音的语音特征并进行虚拟面部驱动，以得到播报所述语音的虚拟面部数据。选取视频流中所包括与生成虚拟面部数据的语音同时刻的面部图像，作为与虚拟面部数据同步的真实面部图像，该真实面部图像中存在用户播报该语音时的真实面部特征，根据真实面部特征对虚拟面部数据进行校正，并基于校正后的虚拟面部数据得到播报该语音的目标虚拟面部图像。
基于纯音频流生成的虚拟面部数据对音频流中环境噪声敏感，环境噪声的存在会导致播报语音的虚拟面部存在口型混乱问题，且由于音频流中缺乏面部图像信息，基于音频流生成的虚拟面部数据会缺失面部表情。通过真实面部图像对同步的虚拟面部数据进行校正，一方面有效避免环境噪声导致的虚拟面部口型错误问题，并给虚拟面部带来音频流不具备的面部表情信息；另一方面在虚拟面部生成模型输出虚拟面部数据后再行校正，无需对虚拟面部生成模型再次线下训练，生成虚拟面部图像的适用性和效率得以有效提升。
本公开实施例通过真实面部图像对同步的虚拟面部数据进行校正，从而得到播报语音的目标虚拟面部图像，一方面有效避免环境噪声导致的虚拟面部口型错误问题，并给虚拟面部带来音频流不具备的面部表情信息；另一方面在虚拟面部生成模型输出虚拟面部数据后再行校正，无需对虚拟面部生成模型再次线下训练，生成虚拟面部图像的适用性和效率得以有效提升。
图2A为本公开又一实施例提供的一种虚拟面部图像的生成方法的流程图，本实施例在上述实施例的基础上进行了优化改进。如图2A所示，该方法包括：
S210、获取音频流中至少一个音频帧的音频时间戳，以及获取视频流中至少一个图像帧的图像时间戳；根据所述图像时间戳和所述音频时间戳，对所述音频帧和所述图像帧进行匹配；基于匹配成功的图像帧和音频帧，生成时间同步的视频流和音频流。
具体的，音频流由至少一个音频帧组成，各音频帧均存在唯一音频时间戳，用于记录采集到该音频帧的时间。视频流由至少一个图像帧组成，各图像帧均存在唯一图像时间戳，用于记录采集到该图像帧的时间。如果一音频帧的音频时间戳与一图像帧的图像时间戳相同，则说明该音频帧和该在图像帧同一时间采集得到，则两者匹配成功。记录匹配成功的图像帧集合和音频帧集合，作为时间同步的视频流和音频流。通过根据时间戳信息对视频流和音频流进行最小颗粒度的匹配，保证后续基于音频帧生成的虚拟面部数据存在真实面部图像，提高校正的准确性和有效性。
S220、将所述音频流输入虚拟面部生成模型，得到播报所述语音的虚拟面部数据；
S230、根据所述虚拟面部数据所对应音频帧的音频时间戳，从所述视频流中获取与所述所对应音频帧匹配的真实图像帧；
S240、根据所述真实图像帧中包括的真实面部图像，对所述虚拟面部数据进行校正。
具体的，将音频帧输入虚拟面部生成模型得到音频帧的虚拟面部数据，该音频帧则为该虚拟面部数据的所对应音频帧。根据所对应音频帧的音频时间戳，从视频流中获取与所该音频帧匹配的图像帧，作为该对应音频帧的真实图像帧。将该真实图像帧中用户人脸作为真实面部图像，以对基于该所对应音频帧生成的虚拟面部数据进行校正。通过获取与所对应音频帧匹配的图像帧中真实面部图像，对虚拟面部数据进行校正，提高校正的准确性和真实性。
S250、获取历史虚拟面部数据；
S260、根据所述历史虚拟面部数据，对校正后的虚拟面部数据进行平滑处理，以根据平滑处理后的虚拟面部数据得到所述目标虚拟面部图像。
具体的，可以获取校正后的虚拟面部数据所对应音频帧的之前至少一个历史音频帧所对应的历史虚拟面部数据，将这些历史虚拟面部数据作为平滑对象，对虚拟面部数据进行平滑处理，并根据平滑处理后的虚拟面部数据得到目标虚拟面部图像，使目标虚拟面部图像与历史音频帧对应的历史虚拟面部图像平滑过渡，提高了虚拟面部动作的流畅性和平滑性。
可选的，所述虚拟面部数据包括虚拟面部图像或虚拟面部驱动参数。
具体的，从音频流中语音提取到的语音特征，需要将其进行驱动得到虚拟面部驱动参数，再将虚拟面部驱动参数输入到三维面部网络得到虚拟面部图像。当虚拟面部数据为虚拟面部图像时，向虚拟面部生成模型输入音频流，直接得到虚拟面部图像，并通过真实面部图像对虚拟面部图像进行校正；当虚拟面部数据为虚拟面部驱动参数时，则向虚拟面部生成模型输入音频流，得到虚拟面部驱动参数，并通过真实面部图像对虚拟面部驱动参数进行校正，基于校正后的虚拟面部驱动参数再生成虚拟面部图像。具体是可以通过真实面部图像提取出与真实情况匹配的驱动参数，以真实情况的驱动参数对虚拟面部驱动参数进行调整校正。通过对虚拟面部图像或虚拟面部驱动参数进行校正，丰富了虚拟面部数据校正的可用性和兼容性。
示例性的，图2B是根据本公开又一实施例提供的一种虚拟面部图像校正流程的示意图，图2C是根据本公开又一实施例提供的一种虚拟面部驱动参数校正流程的示意图。其中，在根据音频流生成虚拟面部图像的过程中，可利用视频流中真实面部图像先对虚拟面部驱动参数进行校正(如图2C所示)，再将校正后的虚拟面部驱动参数输入三维面部网络得到虚拟面部图像；也可直接将虚拟面部驱动参数输入三维面部网络得到虚拟面部图像，再对虚拟面部图像进行校正(如图2B所示)。
可选的，虚拟面部包括虚拟人脸。
具体的，若虚拟面部的面部为人脸面部，虚拟面部则为虚拟人脸，根据用户输入的同步音频流和视频流，来在虚拟人脸中模拟用户播报语音时的口型和面部表情，保证虚拟人脸对真实人脸的高仿真度和高相似度。
可选的，获取时间同步的视频流和音频流包括：在视频交互过程中，通过摄像头和麦克风分别采集说话者的视频流和音频流；相应的，得到播报所述语音的目标虚拟面部图像之后，还包括：向所述视频交互过程对应的客户端推送所述目标虚拟面部图像和所述语音，以在所述客户端中通过所述目标虚拟面部图像播报所述语音。
具体的，在直播应用、视频会议等需要用户视频交互的场景中，可在说话者的用户客户端中，通过摄像头和麦克风分别采集说话者时间同步的音频流和视频流，并基于本公开实施例提供的虚拟面部图像生成方法生成说话者播报的语音和该语音对应的目标虚拟面部图像，向参与视频交互过程的其他客户端推送该语音和对应的目标虚拟面部图像，以在其他客户端中形成说话者以目标虚拟面部图像播报所述语音的显示效果。本公开中说话者中无需显露实际面容，也可在其他视频过程参与者的客户端中显示播报说话者语音的目标虚拟面部图像，在保证视频交互互动性和趣味性的基础上，保护说话者个人隐私。
本公开实施例通过获取与所属音频帧匹配的图像帧中真实面部图像，对虚拟面部数据进行校正，提高校正的准确性和真实性。
图3为本公开又一实施例提供的一种虚拟面部图像的生成方法的流程图，本实施例在上述实施例的基础上进行了优化改进。如图3所示，该方法包括：
S310、获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像。
S320、将所述音频流输入虚拟面部生成模型，得到虚拟面部数据。
可选的，所述虚拟面部数据包括虚拟面部图像，则所述虚拟面部生成模型用于：输入音频流、提取所述音频流的音频特征、基于所述音频特征生成虚拟面部的驱动参数、并根据驱动参数生成虚拟面部图像。
具体的，虚拟面部生成模型中特征提取网络对输入的音频流提取流式特征，将提取得到的音频特征输入驱动网络，得到驱动面部所需的驱动参数，驱动参数输入三维面部网络，将三维面部网络输出的虚拟面部图像作为虚拟面部数据。通过将虚拟面部生成模型生成的虚拟面部图像作为虚拟面部数据，降低校正复杂程度，易于实现。
S330、根据所述虚拟面部数据所对应音频帧的音频时间戳，从所述视频流中获取与所述所对应音频帧匹配的真实图像帧；
S340、从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点；基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正。
具体的，从播报语音的虚拟面部图像中提取虚拟面部关键点，从实际播报该语音的真实面部图像中提取真实面部关键点，真实面部关键点表征了播报该语音时的实际面部特征，而虚拟面部关键点表征了仅依据音频中语音推测的播报该语音的预期面部特征。根据真实面部关键点和虚拟面部关键点的出入，确定预期面部特征和实际面部特征的实际差异，并根据该实际差异对虚拟面部图像进行校正，使其与真实面部图像在面部特征上相一致。通过虚拟面部关键点和真实面部关键点对虚拟面部图像进行校正，在保证校正效果的基础上，降低了校正过程中数据处理量。
可选的，所述根据所述真实图像帧中真实面部图像，对所述虚拟面部数据进行校正，包括：对真实面部图像和虚拟面部图像进行像素级别的校正。
其中，像素级别校正的目的是使真实面部图像和虚拟面部图像的面部风格保证一致，例如虚拟面部图像面部肤色与真实面部图像保持一致。可获取
具体的，在利用真实面部图像中关键点对虚拟面部图像进行校正之外，也可以利用真实面部图像对虚拟面部图像进行像素级别的校正，可从两者选择其中一种或同时采用两种方案对虚拟面部图像进行校正。可以获取真实面部图像和虚拟面部图像在面部风格上的差异，再根据该差异对虚拟面部图像中部分或全部像素值进行校正。例如，可将虚拟面部图像投影回到真实面部图像，得到投影面部图像。获取投影面部图像和虚拟面部图像在像素级别上的投影误差，根据投影误差对虚拟面部图像中与投影面部图像不一致的差异像素进行校正，以实现像素级别的校正。通过将虚拟面部图像投影回到真实面部图像，来对虚拟面部图像进行像素级别的校正，提高了虚拟面部图像的显示效果。
可选的，所述从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点包括：
提取虚拟面部图像中目标面部器官的关键点，作为虚拟面部关键点；提取真实面部图像中所述目标面部器官的关键点，作为真实面部关键点。
具体的，确定虚拟面部图像中需要进行校正的面部器官，作为目标面部器官，将目标面部器官作为关键点提取的主要对象，来获取虚拟面部图像和真实面部图像中关键点。通过对提取关键点的对象进行筛选，避免低参考价值对象对虚拟面部图像校正的干扰，并进一步减少了校正过程中数据处理量。
可选的，所述关键点包括稀疏关键点、半稠密关键点和稠密关键点中至少一种。
具体的，基于目标面部器官所提取的关键点，其类型可以是稀疏关键点、半稠密关键点或稠密关键点。对于关键点类型的选择可基于可利用计算能力强弱和预期校正效果确定，使所选择的关键点类型兼顾校正计算量和校正准确度。关键点数量越多，则计算量越大，但校正效果更准确。为兼顾计算量和准确度，优选采用半稠密关键点。
可选的，所述关键点通过关键点提取模型提取得到。
具体的，预先构建并训练包括关键点提取网络的关键点提取模型，在校正时通过关键点提取模型提取虚拟面部图像和真实面部图像中关键点，可有效提高对关键点的提取效率。
可选的，所述目标面部器官包括嘴巴、眼睛、鼻子、耳朵和眉毛中至少一个。
具体的，出于不同虚拟面部图像校正需求，可从目标面部器官选择至少一个面部器官作为目标面部器官。对于播放语音时的口型校正而言，目标面部器官至少应包括嘴巴，以保证口型校正的准确性。对于播放语音时的表情校正而言，目标面部器官则至少应包括眼睛、嘴巴、和眉毛，以保证表情生成的真实性。鼻子和耳朵作为用户播报语音时伴随动作产生较少的面部器官，在计算能力和校正效率存在限制时，优先不作为目标面部器官。通过从多个面部器官中选择目标面部器官，丰富了目标面部器官的选择，以满足不同的虚拟面部图像校正需求。
可选的，所述基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正包括：
采用误差算法对真实面部关键点和虚拟面部关键点进行拟合；根据拟合结果对所述虚拟面部图像进行校正，得到校正后的虚拟面部图像。
具体的，通过误差算法对真实面部关键点和虚拟面部关键点进行拟合，得到拟合结果，并对拟合结果进行不断迭代，根据迭代的拟合结果与虚拟面部关键点之间差异，对虚拟面部图像进行校正，使校正后的虚拟面部图像中虚拟面部关键点与拟合结果趋同。通过拟合结果对虚拟面部图像进行校正，实现虚拟面部图像对真实面部图像的高质量学习，提高真实面部图像对虚拟面部图像的校正效果。
可选的，所述误差算法包括最小二乘法。
具体的，基于真实面部关键点和虚拟面部关键点构建最小二乘优化，并通过列文伯格-马夸尔特(LM)算法进行优化求解，并将求解结果作为拟合结果，以提高拟合结果的准确性和有效性。
本公开实施例通过虚拟面部关键点和真实面部关键点对虚拟面部图像进行校正，在保证一定校正效果的基础上，降低了校正过程中数据处理量。
图4为本公开又一实施例提供的一种虚拟面部图像的生成装置的结构示意图。如图4所示，该装置包括：
音视频获取模块410，用于音视频获取模块，用于获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
面部数据获取模块420，用于将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；
面部数据校正模块430，用于根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的图像。
本公开实施例所提供的虚拟面部图像的生成装置可执行本公开任意实施例所提供的虚拟面部图像的生成方法，具备执行方法相应的功能模块和有益效果
可选的，所述音视频获取模块410包括：
时间戳获取单元，用于获取音频流中至少一个音频帧的音频时间戳，以及获取视频流中至少一个图像帧的图像时间戳；
时间戳匹配单元，用于根据所述图像时间戳和所述音频时间戳，对所述音频帧和所述图像帧进行匹配；
音视频同步单元，用于基于匹配成功的图像帧和音频帧，生成时间同步的视频流和音频流。
可选的，所述面部数据校正模块430包括：
真实面部获取单元，用于根据所述虚拟面部数据所对应音频帧的音频时间戳，从所述视频流中获取与所述所对应音频帧匹配的真实图像帧；
虚拟面部校正单元，用于根据所述真实图像帧中包括的真实面部图像，对所述虚拟面部数据进行校正。
可选的，所述装置还包括：
历史面部获取模块，用于历史虚拟面部数据；
虚拟面部平滑模块，用于根据所述历史虚拟面部数据，对校正后的虚拟面部数据进行平滑处理，以根据平滑处理后的虚拟面部数据得到所述目标虚拟面部图像。
可选的，所述虚拟面部数据包括虚拟面部图像或虚拟面部驱动参数。
可选的，所述虚拟面部包括虚拟人脸。
可选的，所述虚拟面部数据包括虚拟面部图像，则所述虚拟面部校正单元包括：
关键点提取子单元，用于从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点；
关键点校正子单元，用于基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正。
可选的，所述关键点提取子单元，具体用于提取虚拟面部图像中目标面部器官的关键点，作为虚拟面部关键点；提取真实面部图像中所述目标面部器官的关键点，作为真实面部关键点。
可选的，所述关键点校正子单元，具体用于采用误差算法对真实面部关键点和虚拟面部关键点进行拟合；根据拟合结果对所述虚拟面部图像进行校正，得到校正后的虚拟面部图像。
可选的，关键点包括稀疏关键点、半稠密关键点和稠密关键点中至少一种。
可选的，所述关键点通过关键点提取模型提取得到。
可选的，所述误差算法包括最小二乘法。
可选的，所述虚拟面部校正单元包括像素校正子单元，用于对真实面部图像和虚拟面部图像进行像素级别的校正。
可选的，所述虚拟面部数据包括虚拟面部图像，则所述虚拟面部生成模型用于：输入音频流、提取所述音频流的音频特征、基于所述音频特征生成虚拟面部的驱动参数、并根据驱动参数生成虚拟面部图像。
可选的，所述音视频获取模块410具体用于在视频交互过程中，通过摄像头和麦克风分别采集说话者的视频流和音频流；相应的，所述装置还包括虚拟面部推送模块，用于向所述视频交互过程对应的客户端推送所述目标虚拟面部图像和所述语音，以在所述客户端中通过所述目标虚拟面部图像播报所述语音。
进一步说明的虚拟面部图像的生成装置也可执行本公开任意实施例所提供的虚拟面部图像的生成方法，具备执行方法相应的功能模块和有益效果。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储设备500操作所需的各种程序和数据。计算单元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。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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。
计算单元501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501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501执行上文所描述的各个方法和处理，例如虚拟面部图像的生成方法。例如，在一些实施例中，虚拟面部图像的生成方法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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的虚拟面部图像的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行虚拟面部图像的生成方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)、区块链网络和互联网。
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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (20)
1.一种虚拟面部图像的生成方法，包括：
获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；
根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的目标虚拟面部图像；
其中，所述真实面部图像中存在播报所述语音时的真实面部特征；
其中，所述虚拟面部数据包括虚拟面部图像，所述虚拟面部生成模型用于：输入音频流、提取所述音频流的音频特征、基于所述音频特征生成虚拟面部的驱动参数、并根据驱动参数生成虚拟面部图像。
2.根据权利要求1所述的方法，其中，所述获取时间同步的视频流和音频流包括：
获取音频流中至少一个音频帧的音频时间戳，以及获取视频流中至少一个图像帧的图像时间戳；
根据所述图像时间戳和所述音频时间戳，对所述音频帧和所述图像帧进行匹配；
基于匹配成功的图像帧和音频帧，生成时间同步的视频流和音频流。
3.根据权利要求1所述的方法，其中，所述根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正包括：
根据所述虚拟面部数据所对应音频帧的音频时间戳，从所述视频流中获取与所述所对应音频帧匹配的真实图像帧；
根据所述真实图像帧中包括的真实面部图像，对所述虚拟面部数据进行校正。
4.根据权利要求1所述的方法，其中，在对所述虚拟面部数据进行校正之后，所述方法还包括：
获取历史虚拟面部数据；
根据所述历史虚拟面部数据，对校正后的虚拟面部数据进行平滑处理，以根据平滑处理后的虚拟面部数据得到所述目标虚拟面部图像。
5.根据权利要求1-4任一项所述的方法，其中，所述虚拟面部数据包括虚拟面部图像或虚拟面部驱动参数。
6.根据权利要求3所述的方法，其中，所述虚拟面部数据包括虚拟面部图像，所述根据所述真实图像帧中包括的真实面部图像，对所述虚拟面部数据进行校正，包括：
从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点；
基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正。
7.根据权利要求6所述的方法，其中，所述从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点包括：
提取虚拟面部图像中目标面部器官的关键点，作为虚拟面部关键点；
提取真实面部图像中所述目标面部器官的关键点，作为真实面部关键点。
8.根据权利要求6所述的方法，其中，所述基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正包括：
采用误差算法对真实面部关键点和虚拟面部关键点进行拟合；
根据拟合结果对所述虚拟面部图像进行校正，得到校正后的虚拟面部图像。
9.根据权利要求1所述的方法，其中，获取时间同步的视频流和音频流包括：
在视频交互过程中，通过摄像头和麦克风分别采集说话者的视频流和音频流；
相应的，得到播报所述语音的目标虚拟面部图像之后，还包括：
向所述视频交互过程对应的客户端推送所述目标虚拟面部图像和所述语音，以在所述客户端中通过所述目标虚拟面部图像播报所述语音。
10.一种虚拟面部图像的生成的装置，包括：
音视频获取模块，用于获取时间同步的视频流和音频流；其中，所述音频流包括语音，所述视频流包括播报所述语音的真实面部图像；
面部数据获取模块，用于将所述音频流输入虚拟面部生成模型，得到虚拟面部数据；
面部数据校正模块，用于根据所述视频流中包括的真实面部图像，对所述虚拟面部数据进行校正，以得到播报所述语音的目标虚拟面部图像；
其中，所述真实面部图像中存在播报所述语音时的真实面部特征；
其中，所述虚拟面部数据包括虚拟面部图像，所述虚拟面部生成模型用于：输入音频流、提取所述音频流的音频特征、基于所述音频特征生成虚拟面部的驱动参数、并根据驱动参数生成虚拟面部图像。
11.根据权利要求10所述的装置，其中，所述音视频获取模块包括：
时间戳获取单元，用于获取音频流中至少一个音频帧的音频时间戳，以及获取视频流中至少一个图像帧的图像时间戳；
时间戳匹配单元，用于根据所述图像时间戳和所述音频时间戳，对所述音频帧和所述图像帧进行匹配；
音视频同步单元，用于基于匹配成功的图像帧和音频帧，生成时间同步的视频流和音频流。
12.根据权利要求10所述的装置，其中，所述面部数据校正模块包括：
真实面部获取单元，用于根据所述虚拟面部数据所对应音频帧的音频时间戳，从所述视频流中获取与所述所对应音频帧匹配的真实图像帧；
虚拟面部校正单元，用于根据所述真实图像帧中包括的真实面部图像，对所述虚拟面部数据进行校正。
13.根据权利要求10所述的装置，其中，所述装置还包括：
历史面部获取模块，用于历史虚拟面部数据；
虚拟面部平滑模块，用于根据所述历史虚拟面部数据，对校正后的虚拟面部数据进行平滑处理，以根据平滑处理后的虚拟面部数据得到所述目标虚拟面部图像。
14.根据权利要求10-13任一项所述的装置，其中，所述虚拟面部数据包括虚拟面部图像或虚拟面部驱动参数。
15.根据权利要求12所述的装置，其中，所述虚拟面部数据包括虚拟面部图像，所述虚拟面部校正单元包括：
关键点提取子单元，用于从虚拟面部图像中提取虚拟面部关键点，从真实面部图像中提取真实面部关键点；
关键点校正子单元，用于基于所述虚拟面部关键点和所述真实面部关键点对所述虚拟面部图像进行校正。
16.根据权利要求15所述的装置，其中，所述关键点提取子单元具体用于：提取虚拟面部图像中目标面部器官的关键点，作为虚拟面部关键点；提取真实面部图像中所述目标面部器官的关键点，作为真实面部关键点。
17.根据权利要求15所述的装置，其中，所述关键点校正子单元具体用于：采用误差算法对真实面部关键点和虚拟面部关键点进行拟合；根据拟合结果对所述虚拟面部图像进行校正，得到校正后的虚拟面部图像。
18.根据权利要求10所述的装置，其中，所述音视频获取模块具体用于在视频交互过程中，通过摄像头和麦克风分别采集说话者的视频流和音频流；相应的，所述装置还包括虚拟面部推送模块，用于向所述视频交互过程对应的客户端推送所述目标虚拟面部图像和所述语音，以在所述客户端中通过所述目标虚拟面部图像播报所述语音。
19.一种电子设备，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1-9中任一项所述的虚拟面部图像的生成方法。
20.一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1-9中任一项所述的虚拟面部图像的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210761125.0A CN115187727B (zh) | 2022-06-29 | 2022-06-29 | 一种虚拟面部图像的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210761125.0A CN115187727B (zh) | 2022-06-29 | 2022-06-29 | 一种虚拟面部图像的生成方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115187727A CN115187727A (zh) | 2022-10-14 |
| CN115187727B true CN115187727B (zh) | 2023-06-13 |
Family
ID=83515609
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210761125.0A Active CN115187727B (zh) | 2022-06-29 | 2022-06-29 | 一种虚拟面部图像的生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115187727B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016062277A (ja) * | 2014-09-18 | 2016-04-25 | 泰章 岩井 | 仮想現実提示システム、仮想現実提示装置、仮想現実提示方法 |
| CN110148191A (zh) * | 2018-10-18 | 2019-08-20 | 腾讯科技（深圳）有限公司 | 视频虚拟表情生成方法、装置及计算机可读存储介质 |
| CN111415677A (zh) * | 2020-03-16 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 用于生成视频的方法、装置、设备和介质 |
| CN113313797A (zh) * | 2021-06-22 | 2021-08-27 | 广州虎牙科技有限公司 | 虚拟形象驱动方法、装置、电子设备和可读存储介质 |
| CN113507621A (zh) * | 2021-07-07 | 2021-10-15 | 上海商汤智能科技有限公司 | 直播方法、装置、系统、计算机设备以及存储介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8447065B2 (en) * | 2008-09-16 | 2013-05-21 | Cyberlink Corp. | Method of facial image reproduction and related device |
| CN109191507B (zh) * | 2018-08-24 | 2019-11-05 | 北京字节跳动网络技术有限公司 | 三维人脸图像重建方法、装置和计算机可读存储介质 |
| CN110189394B (zh) * | 2019-05-14 | 2020-12-29 | 北京字节跳动网络技术有限公司 | 口型生成方法、装置及电子设备 |
| CN110288683B (zh) * | 2019-06-28 | 2024-05-28 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
| CN110688911B (zh) * | 2019-09-05 | 2021-04-02 | 深圳追一科技有限公司 | 视频处理方法、装置、系统、终端设备及存储介质 |
| CN111050187B (zh) * | 2019-12-09 | 2020-12-15 | 腾讯科技（深圳）有限公司 | 一种虚拟视频处理的方法、装置及存储介质 |
| CN112927712B (zh) * | 2021-01-25 | 2024-06-04 | 网易（杭州）网络有限公司 | 视频生成方法、装置和电子设备 |
| CN113299312B (zh) * | 2021-05-21 | 2023-04-28 | 北京市商汤科技开发有限公司 | 一种图像生成方法、装置、设备以及存储介质 |
| CN113822969B (zh) * | 2021-09-15 | 2023-06-09 | 宿迁硅基智能科技有限公司 | 训练神经辐射场模型和人脸生成方法、装置及服务器 |
| CN113822968B (zh) * | 2021-11-24 | 2022-03-04 | 北京影创信息科技有限公司 | 语音实时驱动虚拟人的方法、系统及存储介质 |
-
2022
- 2022-06-29 CN CN202210761125.0A patent/CN115187727B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016062277A (ja) * | 2014-09-18 | 2016-04-25 | 泰章 岩井 | 仮想現実提示システム、仮想現実提示装置、仮想現実提示方法 |
| CN110148191A (zh) * | 2018-10-18 | 2019-08-20 | 腾讯科技（深圳）有限公司 | 视频虚拟表情生成方法、装置及计算机可读存储介质 |
| CN111415677A (zh) * | 2020-03-16 | 2020-07-14 | 北京字节跳动网络技术有限公司 | 用于生成视频的方法、装置、设备和介质 |
| CN113313797A (zh) * | 2021-06-22 | 2021-08-27 | 广州虎牙科技有限公司 | 虚拟形象驱动方法、装置、电子设备和可读存储介质 |
| CN113507621A (zh) * | 2021-07-07 | 2021-10-15 | 上海商汤智能科技有限公司 | 直播方法、装置、系统、计算机设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115187727A (zh) | 2022-10-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106910247B (zh) | 用于生成三维头像模型的方法和装置 | |
| WO2020200080A1 (zh) | 一种虚拟形象直播方法、虚拟形象直播装置和电子设备 | |
| CN111464834B (zh) | 一种视频帧处理方法、装置、计算设备及存储介质 | |
| US11538211B2 (en) | Puppeteering remote avatar by facial expressions | |
| KR101547780B1 (ko) | 이미지 모델 구축 방법 및 장치 | |
| US11257293B2 (en) | Augmented reality method and device fusing image-based target state data and sound-based target state data | |
| CN113971828B (zh) | 虚拟对象唇形驱动方法、模型训练方法、相关装置及电子设备 | |
| CN111050023A (zh) | 视频检测方法、装置、终端设备及存储介质 | |
| CN107610239B (zh) | 一种脸谱的虚拟试戴方法及装置 | |
| CN112562045B (zh) | 生成模型和生成3d动画的方法、装置、设备和存储介质 | |
| CN113223125B (zh) | 一种虚拟形象的面部驱动方法、装置、设备和介质 | |
| CN112527115A (zh) | 用户形象生成方法、相关装置及计算机程序产品 | |
| CN113192164A (zh) | 虚拟形象随动控制方法、装置、电子设备和可读存储介质 | |
| CN113379877B (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
| CN113886641A (zh) | 数字人生成方法、装置、设备及介质 | |
| CN114286021B (zh) | 渲染方法、装置、服务器、存储介质及程序产品 | |
| CN113082703A (zh) | 一种光标显示方法、装置及介质 | |
| CN114222076A (zh) | 一种换脸视频生成方法、装置、设备以及存储介质 | |
| CN114187392B (zh) | 虚拟偶像的生成方法、装置和电子设备 | |
| CN111510769A (zh) | 视频图像处理方法、装置及电子设备 | |
| CN113840177B (zh) | 直播互动方法、装置、存储介质与电子设备 | |
| CN115187727B (zh) | 一种虚拟面部图像的生成方法、装置、设备及存储介质 | |
| CN116166125B (zh) | 虚拟形象构建方法、装置、设备和存储介质 | |
| CN104780341B (zh) | 一种信息处理方法以及信息处理装置 | |
| EP4152269A1 (en) | Method and apparatus of generating 3d video, method and apparatus of training model, device, and medium |
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 |