CN115359219A - 虚拟世界的虚拟形象处理方法及装置 - Google Patents
虚拟世界的虚拟形象处理方法及装置 Download PDFInfo
- Publication number
- CN115359219A CN115359219A CN202210983422.XA CN202210983422A CN115359219A CN 115359219 A CN115359219 A CN 115359219A CN 202210983422 A CN202210983422 A CN 202210983422A CN 115359219 A CN115359219 A CN 115359219A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- identity
- virtual
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000009877 rendering Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 84
- 238000000034 method Methods 0.000 claims description 69
- 238000000586 desensitisation Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 40
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Processing Or Creating Images (AREA)
Abstract
本说明书实施例提供了虚拟世界的虚拟形象处理方法及装置,其中,一种虚拟世界的虚拟形象处理方法包括:对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
Description
技术领域
本文件涉及虚拟化技术领域,尤其涉及一种虚拟世界的虚拟形象处理方法及装置。
背景技术
虚拟世界提供了对真实世界的模拟,甚至能够提供在真实世界难以实现的场景,因此虚拟世界越来越多地应用在各种场景。在虚拟世界场景中,用户通过特定的身份ID登录三维虚拟世界,通过虚拟世界中虚拟的用户角色进行活动,通常,在虚拟世界中存在不同的用户角色,这些用户角色各自进行不同的活动。
发明内容
本说明书一个或多个实施例提供了一种虚拟世界的虚拟形象处理方法,包括:对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征。对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征。基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
本说明书一个或多个实施例提供了一种虚拟世界的虚拟形象处理装置,包括:编辑特征提取模块,被配置为对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征。图像特征提取模块,被配置为对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征。图像重建模块,被配置为基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
本说明书一个或多个实施例提供了一种虚拟世界的虚拟形象处理设备,包括:处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征。对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征。基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
本说明书一个或多个实施例提供了一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征。对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征。基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1为本说明书一个或多个实施例提供的一种虚拟世界的虚拟形象处理方法处理流程图;
图2为本说明书一个或多个实施例提供的一种虚拟世界的虚拟形象处理方法的应用处理流程图;
图3为本说明书一个或多个实施例提供的另一种虚拟世界的虚拟形象处理方法的应用处理流程图;
图4为本说明书一个或多个实施例提供的一种虚拟世界的虚拟形象处理装置示意图;
图5为本说明书一个或多个实施例提供的一种虚拟世界的虚拟形象处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本文件的保护范围。
本说明书提供的一种虚拟世界的虚拟形象处理方法实施例:
本申请提供的虚拟世界的虚拟形象处理方法,在用户通过接入设备访问虚拟世界内的过程中,如果用户想要针对虚拟世界内的脱敏虚拟形象进行编辑,则从用户针对脱敏虚拟形象输入的编辑关键词中提取出编辑属性特征,并对用户的多视角图像进行特征解耦和特征提取,获得身份特征和图像属性特征,最后结合编辑属性特征、身份特征和图像属性特征进行图像重建,获得经用户编辑的虚拟世界内的目标虚拟形象,以此满足用户对虚拟世界内的虚拟形象进行个性化编辑的需求,降低了虚拟世界内虚拟形象的重复概率,以此来降低虚拟世界内虚拟形象的识别难度,从而有助于提升虚拟世界内的交互效率。
参照图1,本实施例提供的虚拟世界的虚拟形象处理方法,所述方法具体包括步骤S102至步骤S106。
步骤S102,对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征。
本实施例所述虚拟世界,是指基于去中心化协作实现并且具有开放经济系统的虚拟的拟真世界,比如用户通过接入设备进行游戏交互的游戏虚拟世界,再比如用户通过接入设备进行在线会议的会议虚拟世界,或者用户通过接入设备进行在线交易的交易虚拟世界;可选的,所述虚拟世界中通过生成非同质化标识进行去中心化的交易,通过交易占有虚拟资产的所有权。进一步,还可建立虚拟世界中虚拟形象与用户的身份映射,基于建立的身份映射在虚拟世界中通过生成非同质化标识进行虚拟资产的交易,并通过交易占有虚拟资产的所有权。具体的,真实世界中的用户可通过接入设备接入虚拟世界,以在虚拟世界中进行去中心化的交易和其他行为,所述虚拟世界的接入设备,可以是连接虚拟世界的VR(Virtual Reality,虚拟现实)设备、AR(Augmented Reality,增强现实)设备等,比如连接虚拟世界的头戴式VR设备。
本实施例中,虚拟形象是指从用户的图像出发,采用图像重建技术对用户的图像进行重建获得的用于在虚拟世界内展示用户形象的三维数字图像(三维数字形象),或者,从用户的图像出发,采用图像重建技术对用户的图像进行重建获得的虚拟世界内的与用户具有数字孪生关系或者身份映射的数字孪生形象。比如,在采集到用户在物理世界(真实世界)的多个视角的用户图像的基础上,通过将多个视角的用户图像输入神经辐射场NeRF(Neural Radiance Fields)模型进行图像重建,获得虚拟世界内的三维数字形象、数字孪生形象或者身份映射形象。
所述脱敏虚拟形象,是指针对用户在虚拟世界内的虚拟形象,对能够识别用户身份的身份相关特征进行脱敏处理后的虚拟形象,身份相关特征是指能够使用户区别于其他用户的身份特征,或者能够唯一识别用户身份的特征,而在对虚拟形象进行脱敏处理后,虽然避免了用户身份隐私信息被泄露,用户在虚拟世界内的脱敏虚拟形象与其他用户的脱敏虚拟形象具有一定的共性,在这种情况下,许多用户存在对虚拟世界内的脱敏虚拟形象进行个性化编辑的需求,针对于此,本实施例提供的虚拟世界的虚拟形象处理方法,对用户针对虚拟世界内的脱敏虚拟形象提交的编辑进行处理。
可选的,所述脱敏虚拟形象,通过将所述多视角图像输入第一解耦重建模型进行图像重建后生成。其中,所述第一解耦重建模型用于将输入的多视角图像携带的与用户的身份相关的身份特征和与多个用户的共有属性相关的属性特征进行解耦,这一特征解耦过程也即是对多视角图像进行身份隐私信息的脱敏处理过程,并在特征解耦的基础上进行图像重建获得相应的虚拟世界内的脱敏虚拟形象;或者,用于将输入的多视角图像携带的与用户的身份相关的身份特征和与用户的身份不相关的属性特征进行解耦,这一特征解耦过程也即是对多视角图像进行身份隐私信息的脱敏处理过程,并在特征解耦的基础上进行图像重建获得相应的虚拟世界内的脱敏虚拟形象。
所述多视角图像,是指在真实世界中从多个采集视角出发针对目标进行图像采集获得的图像,该目标可以是一个用户,也可以是用户的某个身体部位(比如头部)。可选的,所述用户的多视角图像,包括在真实世界中针对用户采集的至少一个视角的用户图像,比如针对用户从前、后、左、右四个视角出发进行图像采集,采集获得的四张用户图像即为该用户的多视角图像。
本实施例提供的一种可选实施方式中,所述第一解耦重建模型进行的图像重建,包括:
将所述多视角图像输入第一编码器进行特征解耦和特征提取,输出第一身份特征和第一属性特征;
将第一身份特征和第一属性特征输入第一解码器进行三维图像重建,输出所述脱敏虚拟形象。
实际应用中,所述第一解耦重建模型的训练可以预先完成,比如在云服务器上进行第一解耦重建模型的模型训练;具体在第一解耦重建模型的训练过程中,本实施例提供的一种可选实施方式中,采用如下方式进行所述第一解耦重建模型的训练:
将第一训练样本集中的多视角图像样本输入第一待训练模型进行图像重建,输出第一图像重建结果;
基于所述第一图像重建结果和所述多视角图像样本对应的第一样本标签计算第一训练损失,并基于第一训练损失更新所述第一待训练模型的训练参数。
具体的,在第一待训练模型的训练过程中,为了提升训练效率和训练获得的第一解耦重建模型的处理精度,还可在模型训练过程中针对第一待训练模型引入相应的身份识别网络,通过引入第一身份识别网络对多视角图像样本中的视角图像和第一脱敏虚拟形象对应的虚拟图像进行身份识别,以此来评价第一解耦重建模型的身份信息脱敏处理的损失,也即是评价第一解耦重建模型对身份特征与属性特征进行特征解耦处理的处理损失,具体的,在第一待训练模型中引入第一身份识别网络的基础上,本实施例提供的一种可选实施方式中,所述第一待训练模型进行的图像重建,包括:
将所述多视角图像样本输入第一编码器进行特征解耦和特征提取,输出第一训练身份特征和第一训练属性特征;
将输出的第一训练身份特征和第一训练属性特征输入第一解码器进行三维图像重建,输出第一训练虚拟形象;
将所述多视角图像样本中任一视角图像,以及所述第一训练虚拟形象在对应视角的虚拟图像输入第一身份识别网络进行身份识别,输出第一样本身份特征和第一虚拟身份特征。
为使第一解耦重建模型对特征解耦和图像重建的处理更加均衡,在实现图像重建的同时能够更好的兼顾特征解耦,即:在基于用户的属性特征进行更加精准的虚拟世界内的虚拟形象的图像重建的基础上,还能够兼顾对用户隐私的保护,可通过构建由特征解耦和图像重建两个维度的因子组成损失函数的方式,训练出能够兼顾精准的进行虚拟世界内的虚拟形象的图像重建和用户隐私保护的第一解耦重建模型,本实施例提供的一种可选实施方式中,基于所述第一图像重建结果和所述多视角图像样本对应的第一样本标签计算第一训练损失,包括:
基于第一训练属性特征和所述第一样本标签计算第一特征损失;
基于第一样本身份特征和第一虚拟身份特征计算第一身份识别损失,并将所述第一特征损失与所述第一身份识别损失的差值作为所述第一训练损失。
例如,在从第一待训练模型出发训练第一解耦重建模型的过程中,构建的损失函数为:
其中,Loss为训练损失,f2为第一编码器输出的第一训练属性特征,yattribute为第一样本标签,i1为第一样本身份特征,i2为第一虚拟身份特征,‖i1-i2‖2表示对i1-i2求二范数,或者表示i1与i2的欧氏距离,表示对i1-i2求二范数获得的结果的平方,或者i1与i2的欧氏距离的平方。
本实施例中,上述采用有监督训练的方式对第一待训练模型进行训练的过程中,为了降低训练过程中第一样本标签的获取难度,提升第一标签样本的获取效率,本实施例提供的一种可选实施方式中,采用如下方式确定所述第一样本标签:
对三维用户图像和彩色用户图像进行图像建模,获得三维形象模板;
将所述三维形象模板输入图像增强网络进行图像增强,将输出的增强后的增强图像特征作为所述第一样本标签。
可选的,所述三维用户图像包括采用深度传感器采集的深度图像;所述彩色图像包括采用图像传感器采集的彩色图像,比如支持RGB图像采集的图像传感器采集的RGB图像。
例如,通过深度传感器采集的深度图像往往会存在一定的像素空洞和残缺,直接利用该深度图像与图像传感器采集的RGB图像一起进行图像重建获得三维用户图像,可能会导致图像重建获得三维用户图像的质量较差,进而导致以三维用户图像为第一待训练模型训练过程中的监督信号训练获得的第一解耦重建模型进行图像重建获得的脱敏虚拟形象的质量较差,因此,为避免这一点,利用图像建模工具或者算法(比如3DMM(3D MorphableFace Model))对深度图像和RGB图像件图像建模后获得相应的3D图像模板,然后通过预先训练获得的图像增强网络对3D图像模板进行图像增强处理,并提取出增强后的3D用户图像的特征作为样本标签,也即作为对第一待训练模型进行有监督训练的监督信号,以此来训练出图像重建质量更高的第一解耦重建模型。
此外,除上述提供的通过第一解耦重建模型实现脱敏虚拟形象的生成的实现方式之外,本实施例提供的一种可选实施方式中,在对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征之前,执行如下脱敏虚拟形象的生成和渲染输出操作:
对所述多视角图像进行特征解耦和特征提取,获得第一身份特征和第一属性特征;
基于所述第一身份特征和所述第一属性特征进行图像重建,获得所述脱敏虚拟形象并渲染输出至所述接入设备。
可选的,基于所述第一身份特征和所述第一属性特征进行图像重建,获得所述脱敏虚拟形象,包括:将所述第一身份特征和所述第一属性特征输入神经辐射场模型进行所述虚拟世界的三维图像重建,将输出的所述虚拟世界中的三维用户图像作为脱敏虚拟形象。
需要说明的是,在进行图像重建过程中,上述提供的基于身份特征和图像属性特征进行图像重建的实现方式,还可被替换为基于多视角图像、身份特征和图像属性特征进行图像重建从而获得相应的虚拟世界内的脱敏虚拟形象,并与本实施例提供的其他对应内容组成新的实现方式。
步骤S104,对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征。
具体实施时,对所述用户的多视角图像进行特征提取过程中,包括身份特征与属性特征解耦处理,以及针对多视角图像的身份特征提取和属性特征提取,具体在对所述多视角图像进行特征提取的过程中,可对所述多视角图像进行特征解耦,在特征解耦的基础上,基于特征解耦进行特征提取获得所述身份特征和所述图像属性特征;还可利用预先训练的第二解耦重建模型中的第二编码器对所述多视角图像进行特征提取,获得所述身份特征和所述图像属性特征。
需要说明的是,上述对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征步骤,以及上述对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征步骤,在具体执行过程中并不限定执行顺序,除上述提供的对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征步骤,在对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征步骤之前执行的实现方式之外,上述在对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征步骤还可在对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征步骤之前执行,或者,上述对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征步骤,以及上述对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征步骤同步执行,比如在多线程执行环境中通过两个线程分别执行上述两个步骤。
步骤S106,基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
上述从用户针对脱敏虚拟形象输入的编辑关键词中提取出编辑属性特征,并从多视角图像中提取出身份特征和图像属性特征,本步骤中,基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并进一步将所述目标虚拟形象渲染输出至用户针对所述虚拟世界的接入设备。此处,进行所述目标虚拟形象的渲染输出,是指进行所述目标虚拟形象在虚拟世界中的虚拟形象图像的渲染,并将渲染获得的虚拟形象图像输出至所述接入设备进行展示。
本实施例提供的一种可选实施方式中,上述步骤S102至步骤S106,可由第二解耦重建模型执行,所述第二解耦重建模型包括词编码网络、第二编码器和第二解码器;
可选的,所述词编码网络对输入的所述编辑关键词的词向量进行特征提取输出所述编辑属性特征;所述第二编码器对所述多视角图像进行特征解耦和特征提取,输出所述身份特征和所述图像属性特征;所述第二解码器基于输入的所述编辑属性特征、所述身份特征和所述图像属性特征进行三维图像重建,输出所述目标虚拟形象。
实际应用中,所述第二解耦重建模型的训练可以预先完成,比如在云服务器上进行第二解耦重建模型的模型训练;具体在第二解耦重建模型的训练过程中,本实施例提供的一种可选实施方式中,采用如下方式进行所述第二解耦重建模型的训练:
将第二训练样本集中的训练样本输入第二待训练模型进行图像重建,输出第二图像重建结果;
基于所述第二图像重建结果和所述训练样本对应的第二样本标签计算第二训练损失,并基于所述第二训练损失更新所述第二待训练模型的训练参数。
具体的,在第二待训练模型的训练过程中,为了提升训练效率和训练获得的第二解耦重建模型的处理精度,还可在模型训练过程中针对第二待训练模型引入相应的身份识别网络,通过引入第二身份识别网络对多视角图像样本中的视角图像和第二脱敏虚拟形象对应的虚拟图像进行身份识别,以此来评价第二解耦重建模型的身份信息脱敏处理的损失,也即是评价第二解耦重建模型对身份特征与属性特征进行特征解耦处理的处理损失,具体的,在第二待训练模型中引入身份识别网络的基础上,本实施例提供的一种可选实施方式中,所述第二待训练模型进行的图像重建,包括:
将所述训练样本携带的编辑关键词输入词编码网络进行特征提取,输出编辑属性特征;
将所述训练样本携带的多视角图像输入第二编码器进行特征解耦提取,输出第二身份特征和第二属性特征;
将输出的编辑属性特征、图像身份特征和属性特征输入第二解码器进行图像重建处理,输出第二训练虚拟形象;
将多视角图像中任一视角图像,以及所述第二训练虚拟形象在对应视角的虚拟图像输入第二身份识别网络进行身份识别,输出第二样本身份特征和第二虚拟身份特征。
为使第二解耦重建模型对特征解耦和图像重建的处理更加均衡,在实现图像重建的同时能够更好的兼顾特征解耦,即:在基于用户的属性特征进行更加精准的虚拟世界内的虚拟形象的图像重建的基础上,还能够兼顾对用户隐私的保护,可通过构建由特征解耦和图像重建两个维度的因子组成损失函数的方式,训练出能够兼顾精准的进行虚拟世界内的虚拟形象的图像重建和用户隐私保护的第二解耦重建模型,本实施例提供的一种可选实施方式中,基于所述第二图像重建结果和所述训练样本对应的第二样本标签计算第二训练损失,包括:
基于词编码网络输出的编辑属性特征、第二编码器输出的第二属性特征和所述第二样本标签计算第二特征损失;
基于第二样本身份特征和第二虚拟身份特征计算第二身份识别损失,并将所述第二特征损失与所述第二身份识别损失的差值作为所述第二训练损失。
例如,在从第二待训练模型出发训练第二解耦重建模型的过程中,构建的损失函数为:
其中,Loss′为训练损失,f2′为第二编码器输出的第二训练属性特征,yattribute′为第二样本标签,i1′为第二样本身份特征,i2′为第二虚拟身份特征,‖i1′-i2′‖2表示对i1′-i2′求二范数,或者表示i1′与i2′的欧氏距离,表示对i1′-i2′求二范数获得的结果的平方,或者i1′与i2′的欧氏距离的平方。
本实施例中,上述采用有监督训练的方式对第二待训练模型进行训练的过程中,为了降低训练过程中第二样本标签的获取难度,提升第二标签样本的获取效率,本实施例提供的一种可选实施方式中,采用如下方式确定所述第二样本标签:对三维用户图像和彩色用户图像进行图像建模,获得三维形象模板;将所述三维形象模板输入图像增强网络进行图像增强,将输出的增强后的增强图像特征作为所述第二样本标签。可选的,所述三维用户图像包括采用深度传感器采集的深度图像;所述彩色图像包括采用图像传感器采集的彩色图像,比如支持RGB图像采集的图像传感器采集的RGB图像。
下述以本申请提供的一种虚拟世界的虚拟形象处理方法的具体应用为例,对本申请提供的虚拟世界的虚拟形象处理方法进行说明,参见图2,所述虚拟世界的虚拟形象处理方法,具体包括下述步骤。
步骤S202,将用户的多视角图像输入第一解耦重建模型进行图像重建,输出用户在虚拟世界内的脱敏虚拟形象。
可选的,第一解耦重建模型进行的图像重建,包括:将多视角图像输入第一编码器进行特征解耦和特征提取,输出第一身份特征和第一属性特征;将第一身份特征和第一属性特征输入第一解码器进行三维图像重建,输出脱敏虚拟形象。
步骤S204,将脱敏虚拟形象渲染输出至用户针对虚拟世界的接入设备,并获取用户通过接入设备针对脱敏虚拟形象输入的编辑关键词。
步骤S206,将编辑关键词和多视角图像输入第二解耦重建模型进行图像重建,输出用户在虚拟世界内的目标虚拟形象。
可选的,第二解耦重建模型进行的图像重建,包括:将编辑关键词的词向量输入词编码网络进行特征提取输出编辑属性特征;多视角图像输入第二编码器进行特征解耦和特征提取,输出身份特征和图像属性特征;将编辑属性特征、身份特征和图像属性特征输入第二解码器进行三维图像重建,输出目标虚拟形象。
步骤S208,将目标虚拟形象渲染输出至用户的接入设备。
需要说明的是,第一解耦重建模型以及第二解耦重建模型的训练过程,参见上述实施例提供的二者训练过程的具体实施方式即可,本实施例在此不再赘述。此外,关于本实施例的其他内容的具体说明,也可参照上述实施例的相应内容,此处同样不再赘述。
下述以本申请提供的另一种虚拟世界的虚拟形象处理方法的具体应用为例,对本申请提供的虚拟世界的虚拟形象处理方法进行说明,参见图3,所述虚拟世界的虚拟形象处理方法,具体包括下述步骤。
步骤S302,对用户多视角图像进行特征解耦和特征提取,获得第一身份特征和第一属性特征。
步骤S304,基于第一身份特征和第一属性特征进行图像重建,获得用户在虚拟世界内的脱敏虚拟形象,并将脱敏虚拟形象渲染输出至用户针对虚拟世界的接入设备。
步骤S306,获取用户通过接入设备针对脱敏虚拟形象输入的编辑关键词,并对编辑关键词进行特征提取获得编辑属性特征。
步骤S308,基于编辑属性特征、身份特征和图像属性特征进行图像重建,获得目标虚拟形象,并将目标虚拟形象渲染输出至用户针对虚拟世界的接入设备。
需要说明的是,关于本实施例的实施过程的具体说明,可参照上述实施例的相应内容,在此不再赘述。
本说明书提供的一种虚拟世界的虚拟形象处理装置实施例如下:
在上述的实施例中,提供了一种虚拟世界的虚拟形象处理方法,与之相对应的,还提供了一种虚拟世界的虚拟形象处理装置,下面结合附图进行说明。
参照图4,其示出了本实施例提供的一种虚拟世界的虚拟形象处理装置示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种虚拟世界的虚拟形象处理装置,包括:
编辑特征提取模块402,被配置为对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
图像特征提取模块404,被配置为对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
图像重建模块406,被配置为基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
本说明书提供的一种虚拟世界的虚拟形象处理设备实施例如下:
对应上述描述的一种虚拟世界的虚拟形象处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种虚拟世界的虚拟形象处理设备,该虚拟世界的虚拟形象处理设备用于执行上述提供的虚拟世界的虚拟形象处理方法,图5为本说明书一个或多个实施例提供的一种虚拟世界的虚拟形象处理设备的结构示意图。
本实施例提供的一种虚拟世界的虚拟形象处理设备,包括:
如图5所示,虚拟世界的虚拟形象处理设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器501和存储器502,存储器502中可以存储有一个或一个以上存储应用程序或数据。其中,存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括虚拟世界的虚拟形象处理设备中的一系列计算机可执行指令。更进一步地,处理器501可以设置为与存储器502通信,在虚拟世界的虚拟形象处理设备上执行存储器502中的一系列计算机可执行指令。虚拟世界的虚拟形象处理设备还可以包括一个或一个以上电源503,一个或一个以上有线或无线网络接口504,一个或一个以上输入/输出接口505,一个或一个以上键盘506等。
在一个具体的实施例中,虚拟世界的虚拟形象处理设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对虚拟世界的虚拟形象处理设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种虚拟世界的虚拟形象处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于虚拟世界的虚拟形象处理方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (16)
1.一种虚拟世界的虚拟形象处理方法,包括:
对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
2.根据权利要求1所述的虚拟世界的虚拟形象处理方法,所述脱敏虚拟形象,通过将所述多视角图像输入第一解耦重建模型进行图像重建后生成;
其中,所述第一解耦重建模型进行的图像重建,包括:
将所述多视角图像输入第一编码器进行特征解耦和特征提取,输出第一身份特征和第一属性特征;
将第一身份特征和第一属性特征输入第一解码器进行三维图像重建,输出所述脱敏虚拟形象。
3.根据权利要求2所述的虚拟世界的虚拟形象处理方法,所述第一解耦重建模型,采用如下方式进行训练:
将第一训练样本集中的多视角图像样本输入第一待训练模型进行图像重建,输出第一图像重建结果;
基于所述第一图像重建结果和所述多视角图像样本对应的第一样本标签计算第一训练损失,并基于第一训练损失更新所述第一待训练模型的训练参数。
4.根据权利要求3所述的虚拟世界的虚拟形象处理方法,所述第一待训练模型进行的图像重建,包括:
将所述多视角图像样本输入第一编码器进行特征解耦和特征提取,输出第一训练身份特征和第一训练属性特征;
将输出的第一训练身份特征和第一训练属性特征输入第一解码器进行三维图像重建,输出第一训练虚拟形象;
将所述多视角图像样本中任一视角图像,以及所述第一训练虚拟形象在对应视角的虚拟图像输入第一身份识别网络进行身份识别,输出第一样本身份特征和第一虚拟身份特征。
5.根据权利要求3所述的虚拟世界的虚拟形象处理方法,所述基于所述第一图像重建结果和所述多视角图像样本对应的第一样本标签计算第一训练损失,包括:
基于第一训练属性特征和所述第一样本标签计算第一特征损失;
基于第一样本身份特征和第一虚拟身份特征计算第一身份识别损失,并将所述第一特征损失与所述第一身份识别损失的差值作为所述第一训练损失。
6.根据权利要求3或5所述的虚拟世界的虚拟形象处理方法,所述第一样本标签,采用如下方式确定:
对三维用户图像和彩色用户图像进行图像建模,获得三维形象模板;
将所述三维形象模板输入图像增强网络进行图像增强,将输出的增强后的增强图像特征作为所述第一样本标签。
7.根据权利要求1所述的虚拟世界的虚拟形象处理方法,所述方法由第二解耦重建模型执行,所述第二解耦重建模型,包括词编码网络、第二编码器和第二解码器;
其中,所述词编码网络对输入的所述编辑关键词的词向量进行特征提取输出所述编辑属性特征;
所述第二编码器对所述多视角图像进行特征解耦和特征提取,输出所述身份特征和所述图像属性特征;
所述第二解码器基于输入的所述编辑属性特征、所述身份特征和所述图像属性特征进行三维图像重建,输出所述目标虚拟形象。
8.根据权利要求7所述的虚拟世界的虚拟形象处理方法,所述第二解耦重建模型,采用如下方式进行训练:
将第二训练样本集中的训练样本输入第二待训练模型进行图像重建,输出第二图像重建结果;
基于所述第二图像重建结果和所述训练样本对应的第二样本标签计算第二训练损失,并基于所述第二训练损失更新所述第二待训练模型的训练参数。
9.根据权利要求8所述的虚拟世界的虚拟形象处理方法,所述第二待训练模型进行的图像重建,包括:
将所述训练样本携带的编辑关键词输入词编码网络进行特征提取,输出编辑属性特征;
将所述训练样本携带的多视角图像输入第二编码器进行特征解耦提取,输出第二身份特征和第二属性特征;
将输出的编辑属性特征、图像身份特征和属性特征输入第二解码器进行图像重建处理,输出第二训练虚拟形象;
将多视角图像中任一视角图像,以及所述第二训练虚拟形象在对应视角的虚拟图像输入第二身份识别网络进行身份识别,输出第二样本身份特征和第二虚拟身份特征。
10.根据权利要求8所述的虚拟世界的虚拟形象处理方法,所述基于所述第二图像重建结果和所述训练样本对应的第二样本标签计算第二训练损失,包括:
基于词编码网络输出的编辑属性特征、第二编码器输出的第二属性特征和所述第二样本标签计算第二特征损失;
基于第二样本身份特征和第二虚拟身份特征计算第二身份识别损失,并将所述第二特征损失与所述第二身份识别损失的差值作为所述第二训练损失。
11.根据权利要求1所述的虚拟世界的虚拟形象处理方法,所述对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征步骤执行之前,还包括:
对所述多视角图像进行特征解耦和特征提取,获得第一身份特征和第一属性特征;
基于所述第一身份特征和所述第一属性特征进行图像重建,获得所述脱敏虚拟形象,并将所述脱敏虚拟形象渲染输出至所述接入设备。
12.根据权利要求11所述的虚拟世界的虚拟形象处理方法,所述基于所述第一身份特征和所述第一属性特征进行图像重建,获得所述脱敏虚拟形象,包括:
将所述第一身份特征和所述第一属性特征输入神经辐射场模型进行所述虚拟世界的三维图像重建,将输出的所述虚拟世界中的三维用户图像作为脱敏虚拟形象。
13.根据权利要求1所述的虚拟世界的虚拟形象处理方法,所述目标虚拟形象与所述用户具有身份映射,所述用户基于所述身份映射在所述虚拟世界中通过生成非同质化标识进行虚拟资产的交易,并通过交易占有虚拟资产的所有权。
14.一种虚拟世界的虚拟形象处理装置,包括:
编辑特征提取模块,被配置为对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
图像特征提取模块,被配置为对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
图像重建模块,被配置为基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
15.一种虚拟世界的虚拟形象处理设备,包括:
处理器;以及,被配置为存储计算机可执行指令的存储器,所述计算机可执行指令在被执行时使所述处理器:
对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
16.一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被处理器执行时实现以下流程:
对用户针对虚拟世界内的脱敏虚拟形象输入的编辑关键词进行特征提取,获得编辑属性特征;
对所述用户的多视角图像进行特征提取,获得身份特征和图像属性特征;
基于所述编辑属性特征、所述身份特征和所述图像属性特征进行图像重建,获得目标虚拟形象,并将所述目标虚拟形象渲染输出至所述虚拟世界的接入设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983422.XA CN115359219B (zh) | 2022-08-16 | 2022-08-16 | 虚拟世界的虚拟形象处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210983422.XA CN115359219B (zh) | 2022-08-16 | 2022-08-16 | 虚拟世界的虚拟形象处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115359219A true CN115359219A (zh) | 2022-11-18 |
CN115359219B CN115359219B (zh) | 2024-04-19 |
Family
ID=84001354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210983422.XA Active CN115359219B (zh) | 2022-08-16 | 2022-08-16 | 虚拟世界的虚拟形象处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359219B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115775024A (zh) * | 2022-12-09 | 2023-03-10 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115809696A (zh) * | 2022-12-01 | 2023-03-17 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115830196A (zh) * | 2022-12-09 | 2023-03-21 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN115953706A (zh) * | 2023-01-09 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN115953559A (zh) * | 2023-01-09 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 虚拟对象处理方法及装置 |
CN116188698A (zh) * | 2023-04-23 | 2023-05-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354079A (zh) * | 2020-03-11 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 三维人脸重建网络训练及虚拟人脸形象生成方法和装置 |
CN111383313A (zh) * | 2020-03-31 | 2020-07-07 | 歌尔股份有限公司 | 一种虚拟模型渲染方法、装置、设备及可读存储介质 |
CN112417414A (zh) * | 2020-12-04 | 2021-02-26 | 支付宝(杭州)信息技术有限公司 | 一种基于属性脱敏的隐私保护方法、装置以及设备 |
CN112541963A (zh) * | 2020-11-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 三维虚拟形象生成方法、装置、电子设备和存储介质 |
CN113112580A (zh) * | 2021-04-20 | 2021-07-13 | 北京字跳网络技术有限公司 | 一种虚拟形象的生成方法、装置、设备及介质 |
CN113487710A (zh) * | 2021-07-12 | 2021-10-08 | 广州虎牙科技有限公司 | 虚拟形象生成方法、装置、电子设备和计算机可读存储介质 |
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 |
CN114529639A (zh) * | 2022-02-07 | 2022-05-24 | 新华智云科技有限公司 | 一种生成虚拟形象动画的方法、装置、设备及存储介质 |
CN114793286A (zh) * | 2021-01-25 | 2022-07-26 | 上海哔哩哔哩科技有限公司 | 基于虚拟形象的视频编辑方法和系统 |
-
2022
- 2022-08-16 CN CN202210983422.XA patent/CN115359219B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354079A (zh) * | 2020-03-11 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 三维人脸重建网络训练及虚拟人脸形象生成方法和装置 |
CN111383313A (zh) * | 2020-03-31 | 2020-07-07 | 歌尔股份有限公司 | 一种虚拟模型渲染方法、装置、设备及可读存储介质 |
CN112541963A (zh) * | 2020-11-09 | 2021-03-23 | 北京百度网讯科技有限公司 | 三维虚拟形象生成方法、装置、电子设备和存储介质 |
CN112417414A (zh) * | 2020-12-04 | 2021-02-26 | 支付宝(杭州)信息技术有限公司 | 一种基于属性脱敏的隐私保护方法、装置以及设备 |
CN114793286A (zh) * | 2021-01-25 | 2022-07-26 | 上海哔哩哔哩科技有限公司 | 基于虚拟形象的视频编辑方法和系统 |
CN113112580A (zh) * | 2021-04-20 | 2021-07-13 | 北京字跳网络技术有限公司 | 一种虚拟形象的生成方法、装置、设备及介质 |
CN113487710A (zh) * | 2021-07-12 | 2021-10-08 | 广州虎牙科技有限公司 | 虚拟形象生成方法、装置、电子设备和计算机可读存储介质 |
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 |
CN114529639A (zh) * | 2022-02-07 | 2022-05-24 | 新华智云科技有限公司 | 一种生成虚拟形象动画的方法、装置、设备及存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115809696A (zh) * | 2022-12-01 | 2023-03-17 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115809696B (zh) * | 2022-12-01 | 2024-04-02 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115775024A (zh) * | 2022-12-09 | 2023-03-10 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115830196A (zh) * | 2022-12-09 | 2023-03-21 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN115830196B (zh) * | 2022-12-09 | 2024-04-05 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN115775024B (zh) * | 2022-12-09 | 2024-04-16 | 支付宝(杭州)信息技术有限公司 | 虚拟形象模型训练方法及装置 |
CN115953706A (zh) * | 2023-01-09 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN115953559A (zh) * | 2023-01-09 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 虚拟对象处理方法及装置 |
CN115953559B (zh) * | 2023-01-09 | 2024-04-12 | 支付宝(杭州)信息技术有限公司 | 虚拟对象处理方法及装置 |
CN115953706B (zh) * | 2023-01-09 | 2024-04-26 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
CN116188698A (zh) * | 2023-04-23 | 2023-05-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
CN116188698B (zh) * | 2023-04-23 | 2023-09-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的处理方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115359219B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115359219B (zh) | 虚拟世界的虚拟形象处理方法及装置 | |
CN111275784B (zh) | 生成图像的方法和装置 | |
WO2023072067A1 (zh) | 人脸属性编辑模型的训练以及人脸属性编辑方法 | |
CN113704531A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
WO2021184976A1 (zh) | 一种用于隐私保护的用户特征提取系统及设备 | |
CN115004299A (zh) | 使用合成图像特征来对音频场景进行分类 | |
CN117078790B (zh) | 图像生成方法、装置、计算机设备和存储介质 | |
CN115359220B (zh) | 虚拟世界的虚拟形象更新方法及装置 | |
WO2023184817A1 (zh) | 图像处理方法、装置、计算机设备、计算机可读存储介质及计算机程序产品 | |
WO2023231182A1 (zh) | 图像处理方法、装置、计算机设备、存储介质及程序产品 | |
CN115357938A (zh) | 虚拟形象处理方法及装置 | |
Yang et al. | Imagebrush: Learning visual in-context instructions for exemplar-based image manipulation | |
CN115809696B (zh) | 虚拟形象模型训练方法及装置 | |
CN115358777A (zh) | 虚拟世界的广告投放处理方法及装置 | |
CN115374298B (zh) | 基于索引的虚拟形象数据处理方法及装置 | |
CN116630480A (zh) | 一种交互式文本驱动图像编辑的方法、装置和电子设备 | |
JP7479507B2 (ja) | 画像処理方法及び装置、コンピューター機器、並びにコンピュータープログラム | |
CN116977714A (zh) | 图像分类方法、装置、设备、存储介质和程序产品 | |
CN115810073A (zh) | 虚拟形象生成方法及装置 | |
CN115393022A (zh) | 跨域推荐处理方法及装置 | |
CN115499635A (zh) | 数据压缩处理方法及装置 | |
Daryani et al. | IRL-Net: Inpainted Region Localization Network via Spatial Attention | |
CN113191401A (zh) | 基于视觉显著性共享的用于三维模型识别的方法及装置 | |
CN113191400B (zh) | 基于二维图像检索对应三维模型的方法及装置 | |
CN117593619B (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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |