CN115810073A - 虚拟形象生成方法及装置 - Google Patents

Abstract

本说明书实施例提供了虚拟形象生成方法及装置，其中，一种虚拟形象生成方法包括：将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

Description

虚拟形象生成方法及装置

技术领域

本文件涉及虚拟化技术领域，尤其涉及一种虚拟形象生成方法及装置。

背景技术

随着虚拟化技术的不断发展，虚拟世界逐渐成为各领域的热门话题。虚拟世界是对物理世界的模拟，在虚拟世界场景中，用户可通过特定的身份标识登录虚拟世界，在虚拟世界中从事与物理世界类似的各种行为活动，甚至在虚拟世界中从事在物理世界中无法进行的行为活动，在虚拟世界场景中，用户通常利用各自的用户角色进行活动。

发明内容

本说明书一个或多个实施例提供了一种虚拟形象生成方法，包括：将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率。若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

本说明书一个或多个实施例提供了一种虚拟形象生成装置，包括：将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率。若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

本说明书一个或多个实施例提供了一种虚拟形象生成设备，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：将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率。若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

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：将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率。若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

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形象生成方法处理流程图；

图2为本说明书一个或多个实施例提供的一种应用于虚拟世界场景的虚拟形象生成方法处理流程图；

图3为本说明书一个或多个实施例提供的一种虚拟形象生成装置示意图；

图4为本说明书一个或多个实施例提供的一种虚拟形象生成设备的结构示意图。

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形象生成方法实施例：

本实施例提供的虚拟形象生成方法，首先将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率，若识别概率大于预设阈值，一方面将预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，另一方面，将预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象，若特定用户进行特定身份核验的核验通过，根据用户指令在预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示，丰富了特定用户进行虚拟形象生成的方式，避免了特定用户的隐私被泄露，通过满足特定用户对于虚拟形象的个性展示需求，提升特定用户在虚拟世界中进行活动的体验。

参照图1，本实施例提供的虚拟形象生成方法，所述方法具体包括步骤S102至步骤S106。

步骤S102，将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率。

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。具体的，物理世界(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行为活动，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；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。所述物理世界，是指与虚拟世界对应的世界，即真实存在的世界，可选的，所述物理世界包括真实世界。

所述用户图像，是指通过虚拟世界的接入设备集成或者配置的图像传感器采集获得的图像，可选的，所述用户图像，通过虚拟世界的接入设备集成或者配置的图像传感器进行采集，所述用户图像包括采用图像传感器采集的彩色图像，比如采用可见光传感器采集的RGB(Red Green Blue)图像。

所述特定用户，包括残障用户，有特定身份的用户和/或身体不对称的用户；其中，所述残障用户，包括但不限于：身体有残缺的用户，行为有障碍的用户。

所述预设虚拟形象，是指从用户图像出发，采用图像重建技术对用户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形象；具体的，如果用户的身体外观对称，则在虚拟世界中展示外观对称的预设虚拟形象，如果用户的身体外观有残缺，则在虚拟世界中展示特定部位有残缺的预设虚拟形象。所述掩码虚拟形象，是指在特定用户的特定部位增添形象素材后获得的虚拟形象。所述增强虚拟形象，是指采用图像增强的方式对特定用户的虚拟形象进行增强处理后获得的虚拟形象。

具体实施时，为了获得特定用户的预设虚拟形象，通过将物理世界采集的特定用户的用户图像输入形象生成模型生成对应的预设虚拟形象，以及对用户类型进行识别获得识别概率，以此作为后续判断是否进行对所述预设虚拟形象的掩码处理以及增强处理的依据，在模型训练过程中，为了提升显著特征模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，所述形象生成模型，采用如下方式训练获得：

将物理世界采集的第一图像样本输入待训练形象生成模型进行虚拟形象生成，获得样本虚拟形象以及样本识别概率；

根据所述样本虚拟形象在各个角度的映射图像以及所述各个角度的映射图像对应的第一分类标签计算训练损失；

根据所述训练损失对所述待训练形象生成模型进行参数调整。

参照上述模型训练方式，重复上述训练过程对形象生成模型进行训练，训练完成之后获得所述形象生成模型。进一步，为了提升模型训练效果，从样本虚拟形象在各个角度的映射图像以及第一样本图像对应的第一分类标签的维度引入损失计算，来对所述形象生成模型的训练过程进行约束，以此提升模型训练的准确率和效率。具体的，本实施例提供的一种可选实施方式中，所述根据所述样本虚拟形象在各个角度的映射图像以及所述各个角度的映射图像对应的第一分类标签计算训练损失，包括：

根据所述各个角度的映射图像以及所述第一图像样本计算对比损失；

根据所述各个角度的映射图像对应的第一分类标签以及所述第一图像样本的样本分类标签计算第一分类损失；

将所述对比损失以及第一分类损失的和作为所述训练损失。

具体的，还可采用NeRF(Neural Radiance Fields，神经辐射场)模型作为所述待训练形象生成模型，在模型训练过程中，首先将物理世界采集的第一图像样本输入NeRF模型进行虚拟形象生成，获得样本虚拟形象以及样本识别概率，根据样本虚拟形象在各个角度的映射图像以及对应角度的第一图像样本计算对比损失，以及根据映射图像的第一分类标签以及第一图像样本的样本分类标签计算第一分类损失，将对比损失以及第一分类损失的和作为训练损失。其中，各个角度的映射图像包括根据第一图像样本的采集角度对预设虚拟形象进行映射后获得的映射图像。第一分类标签包括对用户进行用户类型识别后获得的标签。

例如，待训练形象生成模型采用NeRF模型，在NeRF模型的训练过程中，将第一图像样本输入NeRF模型进行虚拟形象生成，获得样本虚拟形象以及样本识别概率，在从待训练形象生成模型出发训练获得形象生成模型的过程中，构建损失函数为：

其中，Loss_total为待训练形象生成模型的训练损失，待训练形象生成模型的训练损失根据对比损失以及第一分类损失计算获得；rgb代表第一图像样本，view(C_nerf(rgb，θ)表示对样本虚拟形象进行多角度的映射，rgb-view(C_nerf(rgb，θ))表示根据第一图像样本以及对样本虚拟形象映射后获得的rgb图像计算欧氏距离，

表示对欧式距离先求2范数再求2范数，也即是对比损失；Softmax(x，y_cls)表示根据第一图像样本的识别概率以及映射后的rgb图像的识别概率计算第一分类损失。

在训练过程中，基于上述模型结构以及训练损失，利用SGD(Stochastic GradientDescent，随机梯度下降)法对待训练形象生成模型进行参数调整，直至损失函数收敛后获得形象生成模型。

可选的，所述第一图像样本，包括下述至少一项：特定图像样本，预设图像样本。

具体实施时，为了获得特定用户的预设虚拟形象，需要采集特定用户图像样本，本实施例通过将预设图像样本输入特征提取模型进行特征提取，获得样本第一特征图像，在样本第一特征图像的基础上，对预设图像样本进行像素值编辑的方式，获得特定图像样本，本实施例提供的一种可选实施方式中，所述特定图像样本，采用如下方式获得：

将所述预设图像样本输入特征提取模型进行特征提取，获得样本第一特征图像；

基于所述样本第一特征图像对所述预设图像样本进行像素值编辑，获得所述特定图像样本。

其中，所述样本第一特征图像包括在预设图像样本的基础上标注出细粒度特征的图像，比如标注出背景、用户的脸部、身体等其他部位的图像。

进一步，在基于样本第一特征图像对预设图像样本进行像素值编辑的过程中，为了使特定图像样本的特征更加接近特定用户，本实施例提供的一种可选实施方式中，所述基于所述样本第一特征图像对所述预设图像样本进行像素值编辑，包括：

对所述样本第一特征图像的图像特征进行筛选，获得待处理特征；

删除所述预设图像样本中所述待处理特征的区域对应区域的像素值。

可选的，在对样本第一特征图像的图像特征进行筛选的过程中，可以通过随机的方式进行筛选。比如通过预设图像样本获得样本第一特征图像后，通过随机的方式筛选出样本第一特征图像上标注了左手的部位，则删除预设图像样本中左手部位的像素值。

具体实施时，为了提升特征提取模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，所述特征提取模型，采用如下方式训练获得：

将物理世界采集的第二图像样本输入待训练特征提取模型进行特征提取，获得样本第二特征图像；

根据所述样本第二特征图像以及预设特征图像计算特征损失；

根据所述特征损失对所述待训练特征提取模型进行参数调整。

参照上述模型训练方式，重复上述训练过程对形象生成模型进行训练，训练完成之后获得所述形象生成模型。

具体的在根据样本第二特征图像以及预设特征图像计算特征损失的过程中，可以利用Pixel-wise(逐像素)损失函数进行分类损失函数计算获得特征损失。

在训练过程中，基于上述模型结构以及训练损失，利用SGD(Stochastic GradientDescent，随机梯度下降)法对待训练形象生成模型进行参数调整，直至损失函数收敛后获得形象生成模型。

步骤S104，若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。

上述在获得预设虚拟形象以及识别概率的基础上，本步骤中，在识别概率大于预设阈值的情况下，考虑到特定用户在生成虚拟形象时的需求，一方面将虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象；另一方面将预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象，使特定用户可以根据需求选择在虚拟世界中展示对应的虚拟形象。

下述分别对获得掩码虚拟形象的过程，以及获得增强虚拟形象的过程进行具体说明。

(1)将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象。

具体执行过程中，为了更加准确的针对预设虚拟形象的残缺部位进行掩码处理，通过将上个步骤中获得的预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，本实施例提供的一种可选实施方式中，所述将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，包括：

识别所述预设虚拟形象的特定部位；

将所述特定部位对应的形象素材渲染至所述特定部位所处的形象区域的图层上方。

可选的，所述特定部位包括有残缺的部位，比如残障用户残缺的左手。

具体的，识别出预设虚拟形象有残缺的特定部位之后，通过将与特定部位对应的形象素材渲染至特定部位所述的形象区域的图层上方，获得掩码虚拟形象。比如识别出预设虚拟形象的左手有残缺，则将与残缺部位对应的左手假肢素材渲染至残缺部位的图层上方。

具体实施时，通过训练模型的方式，获得能够生成掩码虚拟形象的模型。在模型训练的过程中，为了提升形象掩码模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，所述形象掩码模型，采用如下方式训练获得：

将第一虚拟形象样本输入待训练形象掩码模型进行虚拟形象的掩码处理，获得样本掩码虚拟形象；

根据所述样本掩码虚拟形象的第二分类标签以及预设分类标签计算第二分类损失；

根据所述第二分类损失对所述待训练形象掩码模型进行参数调整。

具体的，还可采用3DCNN(Convolutional Neural Networks，卷积神经网络)作为所述待训练形象掩码模型，在模型训练过程中，首先将第一虚拟形象样本输入3DCNN进行虚拟形象的掩码处理，获得样本掩码虚拟形象，根据样本掩码虚拟形象特定部位的形象素材的第二分类标签与样本掩码形象特定部位的预设形象素材的预设分类标签计算第二分类损失，根据第二分类损失对3DCNN进行参数调整。

例如，待训练形象生成模型采用3DCNN，在3DCNN模型的训练过程中，将第一虚拟形象样本输入3DCNN进行样本掩码虚拟形象生成，在从3DCNN出发训练获得形象掩码模型的过程中，构建损失函数为：

Loss_peishi＝Softmax(x，y)

其中，Loss_peishi为第二分类损失，Softmax(x，y)表示根据样本掩码虚拟形象的特定部位的形象素材的第二分类标签与样本掩码形象特定部位的预设形象素材的预设分类标签计算第二分类损失。

在训练过程中，基于上述模型结构以及训练损失，利用SGD法对待训练形象生成模型进行参数调整，直至损失函数收敛后获得形象生成模型。

(2)将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。

具体执行过程中，为了更加准确的针对预设虚拟形象的残缺部位进行增强处理，通过将上个步骤中获得的预设虚拟形象输入形象增强模型进行虚拟形象的增强处理，本实施例提供的一种可选实施方式中，所述进行虚拟形象的增强处理，包括：

识别所述预设虚拟形象的特定部位；

对所述特定部位的像素值进行反编辑，并根据反编辑后的结果进行形象渲染，获得所述增强虚拟形象。

具体的，识别出预设虚拟形象有残缺的特定部位之后，通过对特定部位的像素值进行反编辑，并根据反编辑后的结果进行形象渲染，获得增强虚拟。比如识别出预设虚拟形象的左手有残缺，则对预设虚拟形象左手的像素值进行反编辑，获得左手完整的虚拟形象，也即是增强虚拟形象。

具体实施时，通过训练模型的方式，获得能够生成增强虚拟形象的模型。在模型训练的过程中，为了提升形象增强模型的训练效率，同时也为了降低训练样本的收集难度、减少模型训练的工作量，本实施例提供的一种可选实施方式中，所述形象增强模型，采用如下方式训练获得：

将第二虚拟形象样本输入待训练形象增强模型进行虚拟形象增强，获得样本增强虚拟形象；

根据所述样本增强虚拟形象以及预设增强虚拟形象计算回归损失；

根据所述回归损失对所述待训练形象增强模型进行参数调整。

具体的，还可采用3DCNN作为所述待训练形象增强模型，在模型训练过程中，首先将第一虚拟形象样本输入3DCNN进行虚拟形象的增强处理，获得样本增强虚拟形象，根据样本增强虚拟形象与预设增强虚拟形象计算欧式距离损失，根据欧氏距离损失对模型进行参数调整。

例如，待训练形象生成模型采用3DCNN，在3DCNN模型的训练过程中，将第二虚拟形象样本输入3DCNN进行样本增强虚拟形象生成，在从3DCNN出发训练获得形象增强模型的过程中，构建损失函数为：

Loss_fillup＝EuclideanLoss(x，y)

其中，Loss_fillup为回归损失，EuclideanLoss(x，y)表示根据样本增强虚拟形象与预设增强虚拟形象计算欧式距离损失。

在训练过程中，基于上述模型结构以及训练损失，利用SGD法对待训练形象生成模型进行参数调整，直至损失函数收敛后获得形象生成模型。

步骤S106，若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

上述在获得预设虚拟形象、掩码虚拟形象、增强虚拟形象的基础上，对特定用户进行特定身份核验，若核验通过，则根据用户指令在预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

在具体执行过程中，根据权利要求1所述的虚拟形象生成方法，所述进行特定身份核验，包括：

将所述特定用户提交的图像凭证发送至审核人员，以核验所述用户是否具有特定身份；

若核验结果为所述用户具有特定身份，则确认核验通过。

若核验结果为所述用户不具有特定身份，则在虚拟世界中展示所述增强虚拟形象。

具体的，审核人员接到审核任务后，通过核验用户提交的图像凭证进行核验结果的确认，若用户提交的图像凭证能够证明用户是特定身份的用户，则确认核验通过，若不能证明，则直接在虚拟世界中展示增强虚拟形象。

此外，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示这一过程，还可被替换为根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象三者任意一者或者任意二者中选择目标形象在虚拟世界进行展示。

综上所述，本实施例提供的虚拟形象生成方法，首先将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率，若识别概率大于预设阈值，一方面将预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，另一方面，将预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象，若特定用户进行特定身份核验的核验通过，根据用户指令在预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示，通过定制化算法模型丰富了特定用户的虚拟形象，满足了特定用户对于不同虚拟形象的展示需求。

进一步，一方面通过识别预设虚拟形象的特定部位，将特定部位对应的形象素材渲染至特定部位所处的形象区域的图层上方的方式进行虚拟形象的掩码处理的方式，获得掩码虚拟形象；另一方面通过识别预设虚拟形象的特定部位，对特定部位的像素值进行反编辑的方式进行形象渲染，获得增强虚拟形象，满足了特定用户在虚拟世界中保护隐私的需求。

下述以本实施例提供的一种虚拟形象生成方法在虚拟世界场景的应用为例，对本实施例提供的虚拟形象生成方法进行进一步说明，参见图2，应用于虚拟世界场景的虚拟形象生成方法，具体包括如下步骤。

步骤S202，将物理世界采集的残障用户的用户图像输入形象生成模型进行虚拟形象生成以及用户类型识别，获得预设虚拟形象以及识别概率。

步骤S204，若识别概率大于预设阈值，将预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象。

步骤S206，将预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象。

步骤S208，若残障用户进行残障身份核验的核验通过，根据用户指令在预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择掩码虚拟形象。

步骤S210，通过虚拟世界的接入设备展示掩码虚拟形象。

步骤S212，若残障用户进行残障身份核验的核验不通过，则在虚拟世界中展示增强虚拟形象。

本说明书提供的一种虚拟形象生成装置实施例如下：

在上述的实施例中，提供了一种虚拟形象生成方法，与之相对应的，还提供了一种虚拟形象生成装置，下面结合附图进行说明。

参照图3，其示出了本实施例提供的一种虚拟形象生成装置示意图。

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形象生成装置，包括：

形象生成模块302，被配置将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，运行形象处理模块304，所述掩码以及增强模块，被配置为将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，运行形象展示模块306，所述形象更新模块，被配置为根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

本说明书提供的一种虚拟形象生成设备实施例如下：

对应上述描述的一种虚拟形象生成方法，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形象生成设备，该虚拟形象生成设备用于执行上述提供的虚拟形象生成方法，图4为本说明书一个或多个实施例提供的一种虚拟形象生成设备的结构示意图。

本实施例提供的一种虚拟形象生成设备，包括：

如图4所示，虚拟形象生成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401和存储器402，存储器402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402可以是短暂存储或持久存储。存储在存储器402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形象生成设备中的一系列计算机可执行指令。更进一步地，处理器401可以设置为与存储器402通信，在虚拟形象生成设备上执行存储器402中的一系列计算机可执行指令。虚拟形象生成设备还可以包括一个或一个以上电源403，一个或一个以上有线或无线网络接口404，一个或一个以上输入/输出接口405，一个或一个以上键盘406等。

在一个具体的实施例中，虚拟形象生成设备包括有存储器，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形象生成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：

将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

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形象生成方法，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：

将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

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形象生成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 (15)

1.一种虚拟形象生成方法，包括：

将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、所述掩码虚拟形象、所述增强虚拟形象中选择目标形象在虚拟世界进行展示。

2.根据权利要求1所述的虚拟形象生成方法，所述将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，包括：

识别所述预设虚拟形象的特定部位；

将所述特定部位对应的形象素材渲染至所述特定部位所处的形象区域的图层上方。

3.根据权利要求1所述的虚拟形象生成方法，所述进行虚拟形象增强，包括：

识别所述预设虚拟形象的特定部位；

对所述特定部位的像素值进行反编辑，并根据反编辑后的结果进行形象渲染，获得所述增强虚拟形象。

4.根据权利要求1所述的虚拟形象生成方法，所述形象生成模型，采用如下方式训练获得：

将所述物理世界采集的第一图像样本输入待训练形象生成模型进行虚拟形象生成，获得样本虚拟形象以及样本识别概率；

根据所述样本虚拟形象在各个角度的映射图像以及所述各个角度的映射图像对应的第一分类标签计算训练损失；

根据所述训练损失对所述待训练形象生成模型进行参数调整。

5.根据权利要求4所述的虚拟形象生成方法，所述根据所述样本虚拟形象在各个角度的映射图像以及所述各个角度的映射图像对应的第一分类标签计算训练损失，包括：

根据所述各个角度的映射图像以及所述第一图像样本计算对比损失；

根据所述各个角度的映射图像对应的第一分类标签以及所述第一图像样本的样本分类标签计算第一分类损失；

将所述对比损失以及所述第一分类损失的和作为所述训练损失。

6.根据权利要求4所述的虚拟形象生成方法，所述第一图像样本，包括下述至少一项：特定图像样本、预设图像样本；

其中，所述特定图像样本，采用如下方式获得：

将所述预设图像样本输入特征提取模型进行特征提取，获得样本第一特征图像；

基于所述样本第一特征图像对所述预设图像样本进行像素值编辑，获得所述特定图像样本。

7.根据权利要求6所述的虚拟形象生成方法，所述基于所述样本第一特征图像对所述预设图像样本进行像素值编辑，包括：

对所述样本第一特征图像的图像特征进行筛选，获得待处理特征；

删除所述预设图像样本中所述待处理特征的区域对应区域的像素值。

8.根据权利要求6所述的虚拟形象生成方法，所述特征提取模型，采用如下方式训练获得：

将所述物理世界采集的第二图像样本输入待训练特征提取模型进行特征提取，获得样本第二特征图像；

根据所述样本第二特征图像以及预设特征图像计算特征损失；

根据所述特征损失对所述待训练特征提取模型进行参数调整。

9.根据权利要求1所述的虚拟形象生成方法，所述形象掩码模型，采用如下方式训练获得：

将第一虚拟形象样本输入待训练形象掩码模型进行虚拟形象的掩码处理，获得样本掩码虚拟形象；

根据所述样本掩码虚拟形象的第二分类标签以及预设分类标签计算第二分类损失；

根据所述第二分类损失对所述待训练形象掩码模型进行参数调整。

10.根据权利要求1所述的虚拟形象生成方法，所述形象增强模型，采用如下方式训练获得：

将第二虚拟形象样本输入待训练形象增强模型进行虚拟形象增强，获得样本增强虚拟形象；

根据所述样本增强虚拟形象以及预设增强虚拟形象计算回归损失；

根据所述回归损失对所述待训练形象增强模型进行参数调整。

11.根据权利要求1所述的虚拟形象生成方法，所述进行特定身份核验，包括：

将所述特定用户提交的图像凭证发送至审核人员，以核验所述用户是否具有特定身份；

若核验结果为所述用户具有特定身份，则确认核验通过。

12.根据权利要求11所述的虚拟形象生成方法，还包括：

若核验结果为所述用户不具有特定身份，则在虚拟世界中展示所述增强虚拟形象。

13.一种虚拟形象生成装置，包括：

形象生成模块，被配置将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，运行形象处理模块，所述形象处理模块，被配置为将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，运行形象展示模块，所述形象更新模块，被配置为根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

14.一种虚拟形象生成设备，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：

将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

15.一种存储介质，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：

将物理世界采集的特定用户的用户图像输入形象生成模型进行虚拟形象生成以及特定用户类型识别，获得预设虚拟形象以及识别概率；

若所述识别概率大于预设阈值，将所述预设虚拟形象输入形象掩码模型进行虚拟形象的掩码处理，获得掩码虚拟形象，以及，将所述预设虚拟形象输入形象增强模型进行虚拟形象增强，获得增强虚拟形象；

若所述特定用户进行特定身份核验的核验通过，根据用户指令在所述预设虚拟形象、掩码虚拟形象、增强虚拟形象中选择目标形象在虚拟世界进行展示。

Images