CN116228897A - 图像处理方法、图像处理模型和训练方法 - Google Patents
图像处理方法、图像处理模型和训练方法 Download PDFInfo
- Publication number
- CN116228897A CN116228897A CN202310251906.XA CN202310251906A CN116228897A CN 116228897 A CN116228897 A CN 116228897A CN 202310251906 A CN202310251906 A CN 202310251906A CN 116228897 A CN116228897 A CN 116228897A
- Authority
- CN
- China
- Prior art keywords
- image
- sequence
- sample
- target
- features
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012549 training Methods 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000013507 mapping Methods 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000008685 targeting 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
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、图像处理模型和训练方法,人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、数字人等场景。实现方案为:确定包括目标对象的目标图像序列;对所述目标图像序列进行编码,以得到目标离散序列,其中所述目标离散序列中的每个元素对应于所述目标图像序列中的图像的一局部区域;基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列;对所述解码特征序列进行解码,以得到包括所述目标对象的预测图像序列。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙、数字人等场景,具体涉及一种图像处理方法、图像处理装置、图像处理模型、对图像处理模型进行训练的方法、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:确定包括目标对象的目标图像序列;对所述目标图像序列进行编码,以得到目标离散序列,其中所述目标离散序列中的每个元素对应于所述目标图像序列中的图像的一局部区域;基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列;对所述解码特征序列进行解码,以得到包括所述目标对象的预测图像序列。
根据本公开的另一方面,提供了一种图像处理模型,包括:目标确定单元,被配置成确定包括目标对象的目标图像序列;编码单元,所述编码单元被配置成对目标图像序列进行编码,以得到目标离散序列,其中所述目标离散序列中的每个元素对应于所述目标图像序列中的图像的一局部区域;映射单元,被配置成基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列;以及解码单元,被配置成对所述解码特征序列进行解码,以得到包括所述目标对象的预测图像序列。
根据本公开的另一方面,提供了一种对图像处理模型进行训练的方法,其中,训练样本集合为包括目标对象的原始图像序列,所述方法包括:利用所述图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中所述样本离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域,利用所述图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于所述样本图像序列的解码特征序列;利用所述图像处理模型中的解码单元对所述样本图像序列的解码特征序列进行解码,以得到包括所述目标对象的重建图像序列;基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
根据本公开的另一方面,提供了一种对图像处理模型进行训练的装置,其中,训练样本集合为包括目标对象的原始图像序列,包括:编码训练单元,被配置成利用所述图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中所述样本离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域,映射训练单元,被配置成利用所述图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于所述样本图像序列的解码特征序列;解码训练单元,被配置成利用所述图像处理模型中的解码单元对所述样本图像序列的解码特征序列进行解码,以得到包括所述目标对象的重建图像序列;参数调整单元,被配置成基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。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如前所述的图像处理方法以及对图像处理模型进行训练的方法。
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如前所述的图像处理方法以及对图像处理模型进行训练的方法。
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,其中,所述计算机程序在被处理器执行时实现如前所述的图像处理方法以及对图像处理模型进行训练的方法。
根据本公开的一个或多个实施例,通过对包含目标对象的图像特征进行离散化的表征,对目标对象进行预测时更多地依赖于局部区域的信息,而可以摆脱对全局信息的依赖。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的示例性流程图;
图3示出了根据本公开的实施例的图像处理模型的示例性框图;
图4示出了根据本公开的实施例的图像处理模型的示例;
图5中示出了根据本公开的实施例的用于训练图像处理模型的方法;
图6示出了根据本公开的实施例的用于训练第二编码器、映射单元以及解码器的示例性过程;
图7示出了根据本公开的实施例的图像处理装置的示例性框图;
图8示出了根据本公开的实施例的对图像处理模型进行训练的装置的示例性框图;
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
根据任意一段驱动人脸说话的驱动视频可以驱动生成一段给定目标人物讲话的视频。所生成的被驱动视频中的目标人物和驱动视频中的人物具有相同的人脸姿态和唇形运动。上述人脸驱动技术可以用于娱乐、视频处理、影视制作等各方面。
在相关技术中,可以通过三维人脸建模后渲染被驱动的目标人物的人脸区域,然后使用基于卷积神经网络的生成器实现上述被驱动的人物讲话视频的生成。也可以利用卷积神经网络直接作用于目标人物的关键点投影而生成被驱动的人物讲话视频。在上述方案中,声场方案对驱动视频中人脸的位置和姿态不鲁棒。如果驱动视频中的人脸位置和目标人物在视频中的人脸位置存在较大偏差,可能出现生成失败的情况。
需要说明的是,本公开的实施例中的人脸模型并不是针对某一特定用户的模型,并不能反映出某一特定用户的个人信息。本公开的实施例维人脸图像来自于公开数据集.
为了解决上述问题,本公开提供了一种新的图像处理方法。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行根据本公开的实施例的图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取本公开的实施例要处理的图像(视频帧)和/或图像序列(视频)。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的图像处理方法的示例性流程图。
在步骤S202中,确定包括目标对象的目标图像序列。在步骤S204中,对目标图像序列进行编码,以得到目标离散序列,其中目标离散序列中的每个元素对应于目标图像序列中的图像的一局部区域。在步骤S206中,基于各个元素对应的局部区域的解码图像特征确定对应于目标图像序列的解码特征序列。在步骤S208中,对解码特征序列进行解码,以得到包括目标对象的预测图像序列。
利用本公开的实施例提供的图像处理方法,通过对包含目标对象的图像特征进行离散化的表征,对目标对象进行预测时更多地依赖于局部区域的信息,而可以摆脱对全局信息的依赖。利用这种方法,当全局信息发生改变时,也能够基于局部区域的信息完成针对目标对象的预测。
下面将详细描述本公开的实施例的原理。
在步骤S202中,可以确定包括目标对象的目标图像序列。在本公开的实施例中,以目标对象是目标人物为例描述本公开的原理。目标图像序列可以是针对预测任务的与目标人物相关的视频中的一组连续视频帧。在本公开的实施例中,预测任务可以是基于驱动视频的人脸驱动任务。
然而,本公开的范围不限于此。在不脱离本公开原理的情况下,也可以将本公开提供的方法用于目标对象为其他对象(如动物、卡通图像等)、预测任务是针对目标对象的其他部位(如四肢等)的行为进行预测的情况。
在人脸驱动的应用场景中,步骤S202可以包括确定包含目标对象的原始图像序列。其中,原始图像序列指的是包含目标对象的视频中的一组连续视频帧。例如目标人物的讲话视频中的一组连续视频帧。可以基于原始图像序列确定目标对象的原始关键点序列。例如,可以对包含目标人物的各个视频帧进行关键点提取,以得到各个视频帧中目标任务关键点形成的原始关键点序列。可以确定用于对目标对象进行人脸驱动的驱动图像序列。例如包含驱动人物的视频中的一组连续视频帧。可以基于驱动图像序列确定用于目标对象的驱动表情参数。例如,可以通过对包含驱动人物的视频帧进行分析,以得到驱动人物的表情参数。可以利用驱动图像序列中提取的表情参数对目标对象的原始关键点序列进行调整,以得到目标图像序列。其中目标图像序列中包括包含有驱动人物的表情参数的目标人物关键点的信息。利用上述方法,可以对目标对象和驱动对象的信息进行融合,从而获取能够用于生成预测结果的目标图像序列。
在步骤S204中,可以对目标图像序列进行编码,以得到目标离散序列。其中目标离散序列中的每个元素对应于目标图像序列中的图像的一局部区域。
在一些实施例中,可以利用图像编码器对目标图像序列中的各个图像进行编码。在一些示例中,图像编码器可以是卷积神经网络。通过对各个图像进行编码可以得到分别对应于各个图像的各个全局编码图像特征。可以认为每个全局编码图像特征中包括多个局部图像特征。可以通过对全局编码图像特征中的元素进行分割来得到各个局部图像特征。例如,全局编码图像特征的尺寸可以是16*16*512,可以将其中每个512长度的特征确定为局部图像特征。可以理解的是,本领域技术人员可以根据实际情况确定局部图像特征的尺寸,只要局部图像特征的尺寸小于全局编码图像特征即可。
可以对各个全局编码图像特征中的局部图像特征进行重排以得到局部图像特征序列。其中,可以基于局部图像特征所对应的局部区域在图像中的位置、以及全局编码图像特征对应的图像在目标图像序列中的排列顺序来对确定局部图像特征序列中的特征排列顺序。本领域技术人员可以基于实际情况确定局部图像特征在全局编码图像特征中的特定排列顺序,在此不再加以限定。
可以利用时序模型对局部图像特征序列进行处理,以得到目标离散序列。在一些实施例中,时序模型可以是Transformer模型。在另一些实施例中,本领域技术人员也可以利用其他时序模型来处理局部图像特征序列。可以通过配置时序模型使得时序模型输出离散序列,其中离散序列中的每个元素可以是整数。目标离散序列的长度可以和局部图像特征序列的长度相同,并且目标离散序列中的每个元素是用于对应的局部图像特征的整数预测结果。利用上述方法,能够将图像域的生成问题转化为离散整数的预测问题,从而能够简化预测难度。
在步骤S206中,基于各个元素对应的局部区域的解码图像特征确定对应于目标图像序列的解码特征序列。
步骤S204中确定的离散序列中的每个元素对应于一个对应于局部区域的局部特征图。可以利用特征字典的形式存储元素和特征图的映射关系。在一些示例中,上述元素为整数,特征字典能够指示各个整数与预定的特征图之间的映射关系。通过在特征字典中进行查找,能够确定每个整数对应的特征图。
在解码过程中,可以通过在特征字典中进行查找确定各个元素对应的特征图,作为各个元素对应的局部区域的解码图像特征。利用上述方式,可以将编码过程中输出的离散元素恢复到图像域中,从而实现后续的图像重建。
可以对各个元素对应的解码图像特征进行重排,以得到对应于目标图像序列中各个图像的全局解码特征。如前所述,各个元素对应的是局部区域的局部特征图。根据局部区域在图像中的对应位置,可以将各个局部区域的解码图像特征进行排列来恢复成对应于整体图像的全局解码特征。进一步地,可以基于目标图像序列的图像排序对各个图像对应的全局解码特征进行排列以得到解码特征序列。基于目标图像序列中的图像排列顺序,可以对各个全局解码特征进行排列来得到解码特征序列。利用上述方法,能够方便地确定与目标图像序列对应的解码特征序列。
在步骤S208中,对解码特征序列进行解码,以得到包括目标对象的预测图像序列。在目标图像序列是融合有驱动对象的驱动表情参数的关键点序列的情况下,预测图像序列可以包括由驱动表情参数驱动的目标对象。利用上述方法能够基于目标人物的原始视频生成基于驱动参数预测的目标人物的预测视频,从而能够提供多样化的视频播放效果。
图3示出了根据本公开的实施例的图像处理模型的示例性框图。可以利用图3中示出的图像处理模型实现结合图2描述的图像处理方法200。
如图3所示图像处理模型300可以包括目标确定单元310、编码单元320、映射单元330以及解码单元340。
目标确定单元310可以被配置成确定包括目标对象的目标图像序列。
编码单元320可以被配置成对目标图像序列进行编码,以得到目标离散序列。其中目标离散序列中的每个元素对应于目标图像序列中的图像的一局部区域。
映射单元330可以被配置成基于各个元素对应的局部区域的解码图像特征确定对应于目标图像序列的解码特征序列。
解码单元340可以被配置成对解码特征序列进行解码,以得到包括目标对象的预测图像序列。
在一些实施例中,目标图像序列可以是通过以下步骤确定的:确定包含目标对象的原始图像序列;基于原始图像序列确定目标对象的原始关键点序列;确定用于对目标对象进行人脸驱动的驱动图像序列;基于驱动图像序列确定用于目标对象的驱动表情参数;利用表情参数对原始关键点序列进行调整,以得到目标图像序列。
在一些实施例中,编码单元320可以包括图像编码器和时序模型的级联结构。利用上述结构,对目标图像序列进行编码,以得到目标离散序列的步骤可以包括:利用图像编码器对目标图像序列中的各个图像进行编码,以得到分别对应于各个图像的各个全局编码图像特征,其中每个全局编码图像特征包括多个局部图像特征;对各个全局编码图像特征中的局部图像特征进行重排,以得到局部图像特征序列;利用时序模型对局部图像特征序列进行处理,以得到目标离散序列。
在一些实施例中,基于各个元素对应的局部区域的解码图像特征确定对应于目标图像序列的解码特征序列包括:对各个元素对应的解码图像特征进行重排,以得到对应于目标图像序列中各个图像的全局解码特征,基于目标图像序列对全局解码特征进行排列以得到解码特征序列。其中,通过在特征字典中进行查找确定各个元素对应的解码图像特征作为各个局部区域的解码图像特征。当元素为整数时,特征字典可以指示郑舒玉预定的特征图之间的映射关系。
利用本公开的实施例提供的图像处理模型,通过对包含目标对象的图像特征进行离散化的表征,对目标对象进行预测时更多地依赖于局部区域的信息,而可以摆脱对全局信息的依赖。利用这种方法,当全局信息发生改变时,也能够基于局部区域的信息完成针对目标对象的预测。
图4示出了根据本公开的实施例的图像处理模型的示例。
如图4所示,可以利用图像处理模型400对目标图像序列401进行处理。其中,目标图像序列401可以包括N帧(N为整数)。在图4示出的示例中以目标图像序列包括两帧图像为例描述本公开的原理。然而可以理解的是,N可以是大于1的任何整数。目标图像序列401中的每一帧包括经由驱动表情参数调整后的目标人物的关键点的信息。
编码单元可以包括图像编码器411和时序模型412。在图4中示出的示例中,时序模型412是Transformer模型。
可以利用图像编码器411对目标图像序列401进行处理,来得到对应于目标图像序列410中每一帧的全局编码图像特征。其中,图像编码器可以是卷积神经网络。在图4中,图像编码器411输出的结果被示出为编码特征序列402。其中,序列402中包括分别对应于目标图像序列401中每一帧的全局编码图像特征。进一步地,每个全局编码图像特征由多个局部图像特征组成。每个局部图像特征对应于图像中一局部区域的信息。具体来说,在图4示出的示例中,每个全局编码图像特征包括16个局部图像特征。
通过对各个局部图像特征进行重排,可以得到局部图像特征序列403。其中,可以通过特定顺序对每个全局编码图像特征中的局部图像特征进行排序来得到局部图像特征序列403。本领域技术人员可以根据实际情况确定上述特征顺序。
利用时序模型412对局部图像特征序列403进行处理,可以得到目标离散序列404。其中,目标离散序列404中的每个元素都可以是整数。
可以利用映射单元420对来基于目标离散序列中的元素确定各个局部区域解码图像特征。其中,映射单元420可以是特征字典的形式。特征字典中可以预先确定离散序列404中的元素(如整数)与特征图之间的映射关系。通过查找特征字典可以确定离散序列404中每个元素对应的特征图,并且可以将元素对应的特征图确定为相应局部区域的解码图像特征。
经过映射单元420的处理可以将离散序列404转换为局部解码特征序列405,其中局部解码特征序列405中的每个特征图可以是相应元素在特征字典中对应的特征图。
通过对局部解码特征序列405进行重排,可以得到解码特征序列406。其中解码特征序列406中可以包括对应于目标图像序列401中每一帧的全局解码特征。在全局解码特征中,局部解码特征按照从序列402重排为序列403的特定顺序的逆操作进行恢复,从而能够使得局部解码特征在全局解码特征中出现在相应局部区域所在的位置。
利用解码单元430对解码特征序列406进行处理,可以得到目标图像序列401的预测结果407。其中,解码单元可以是卷积神经网络结构的解码器。
图5中示出了根据本公开的实施例的用于训练图像处理模型的方法。可以利用图5中示出的方法训练并得到图3、图4中描述的图像处理模型。其中,图5中描述的图像处理模型的训练方法使用的训练样本集合为包括目标对象的原始图像序列。例如,训练样本集合可以是目标人物的原始讲话视频。
在步骤S502中,可以利用图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中样本离散序列中的每个元素对应于样本图像序列中的样本图像的一局部区域。其中,样本图像序列可以是训练样本集合中采样得到的包含目标人物的连续视频帧。
在步骤S504中,可以利用图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于样本图像序列的解码特征序列。
在步骤S506中,可以利用图像处理模型中的解码单元对样本图像序列的解码特征序列进行解码,以得到包括目标对象的重建图像序列。
在步骤S508中,可以基于重建图像序列与样本图像序列之间的差异调整编码单元的参数。
可以利用图5中示出的方法来对图像处理模型中的编码单元进行训练。在一些实施例中,图像处理模型中的映射单元和解码单元是预训练的,在步骤S508中不再对映射单元和解码单元的参数进行调整。
如图4中所示出的,编码单元可以包括图像编码器和时序模型的级联结构。利用这种级联结构,步骤S502可以包括:利用图像编码器对样本图像序列中的各个样本图像进行编码,以得到分别对应于各个样本图像的全局编码图像特征,其中每个样本图像的全局编码图像特征包括多个局部图像特征;对各个样本图像的全局编码图像特征中的局部图像特征进行重排,以得到样本局部图像特征序列;利用时序模型对样本局部图像特征序列进行处理,以得到样本离散序列。
可以利用预训练的映射单元对编码单元输出的样本离散序列的结果进行监督。
在一些实施例中,可以利用预训练的第二编码器对样本图像序列进行编码,以得到参考图像特征。然后可以利用预训练的映射单元确定对应于参考图像特征的参考离散序列。参考离散序列中的每个元素可以对应于样本图像序列中的样本图像的一局部区域。例如,可以基于预定义的特征字典,确定特征字典中定义的离散的特征图中与参考图像特征中局部参考图像特征距离最近的特征图,并将该距离最近的特征图对应的元素确定为用于表征局部参考图像特征的元素,从而得到参考离散序列。
利用上述参考离散序列,可以基于参考离散序列与样本离散序列之间的差异以及重建图像序列与样本图像序列之间的差异来调整编码单元的参数。在一些实施例中,可以基于Softmax交叉熵损失函数来确定参考离散序列与样本离散序列的各个元素之间的差异。可以基于L1、L2等指标来确定重建图像序列与样本图像序列的各个图像之间的差异。利用上述方法能够提高图像处理模型中编码单元的为每个局部区域预测整数的能力,从而提高图像重建质量。
在一些实施例中,第二编码器和图像编码器可以具有相同的结构。例如,第二编码器和图像编码器可以是相同结构的卷积神经网络。
图6示出了根据本公开的实施例的用于训练第二编码器、映射单元以及解码单元的示例性过程。可以利用图6中示出的过程对训练图像处理模型的过程中使用的第二编码器以及图像处理模型的映射单元和解码单元进行训练。在图6示出的过程中,使用包括目标对象的原始图像的集合作为训练样本集合。可以对训练样本集合中的每个训练样本进行编码和解码来实现图6中的训练过程。
对于训练样本中的图像601,可以利用第二编码器610对图像601进行编码,以得到图像601的全局编码图像特征602。
可以对全局编码图像特征602进行离散化,以得到样本离散特征。其中,样本离散特征中的每个元素可以对应于样本图像的一局部区域。通过离散化可以将图像的全局分割成多个局部区域,并利用离散化后的元素来表征各个局部区域的信息。
可以用映射单元620来确定样本离散特征。其中,映射单元620可以是特征字典。特征字典中可以包括预定义的元素与特征图之间的映射关系。可以通过确定特征字典中与全局编码图像特征602中的局部编码特征最接近的特征图,并将该最接近的特征图对应的元素确定为局部编码特征对应的离散元素来得到样本离散特征。
可以基于映射单元620来确定全局解码图像特征603。基于样本离散特征中的元素,可以通过映射单元620来确定对应于各个元素的特征图,并利用对应的特征图来替代样本离散特征中的元素从而生成全局解码图像特征604。
利用解码单元630对全局解码特征603进行解码来得到重建图像604。可以基于该样本图像的重建图像和该样本图像之间的差异调整第二编码器和解码单元的参数。在一些示例中,还可以同时对映射单元620中离散元素和特征图之间的映射关系进行调整来对映射单元进行训练。
利用图6中示出的过程能够得到训练好的第二编码器、映射单元以及解码单元,针对目标对象学习到良好的离散元素和特征图之间的映射关系,并能够基于离散化之后恢复的图像特征对图像进行重建。
图7示出了根据本公开的实施例的图像处理装置的示例性框图。
如图7所示,图像处理装置700可以包括目标确定单元710、编码单元720、解码特征生成单元730以及解码单元740。
其中,目标确定单元710可以被配置成确定包括目标对象的目标图像序列。编码单元720可以被配置成对目标图像序列进行编码,以得到目标离散序列,其中目标离散序列中的每个元素对应于目标图像序列中的图像的一局部区域。解码特征生成单元730可以被配置成基于各个元素对应的局部区域的解码图像特征确定对应于目标图像序列的解码特征序列。解码单元740可以被配置成对解码特征序列进行解码,以得到包括目标对象的预测图像序列。
在一些实施例中,目标确定单元710可以被配置成:确定包含目标对象的原始图像序列;基于原始图像序列确定目标对象的原始关键点序列;确定用于对目标对象进行人脸驱动的驱动图像序列;基于驱动图像序列确定用于目标对象的驱动表情参数;利用表情参数对原始关键点序列进行调整,以得到目标图像序列。
在一些实施例中,预测图像序列包括由驱动表情参数驱动的目标对象。
在一些实施例中,编码单元720可以被配置成:利用图像编码器对目标图像序列中的各个图像进行编码,以得到分别对应于各个图像的各个全局编码图像特征,其中每个全局编码图像特征包括多个局部图像特征;对各个全局编码图像特征中的局部图像特征进行重排,以得到局部图像特征序列;利用时序模型对局部图像特征序列进行处理,以得到目标离散序列。
在一些实施例中,解码特征生成单元730可以被配置成:对各个元素对应的解码图像特征进行重排,以得到对应于目标图像序列中各个图像的全局解码特征,基于目标图像序列对全局解码特征进行排列以得到解码特征序列。
在一些实施例中,各个元素对应的解码图像特征是通过以下方式确定的:通过在特征字典中进行查找确定各个元素对应的特征图作为解码图像特征。
在一些实施例中,元素为整数,特征字典指示整数与预定的特征图之间的映射关系。
可以利用图7中示出的单元710~740执行图2中示出的步骤S202~S208,在此不再加以赘述。
图8示出了根据本公开的实施例的对图像处理模型进行训练的装置的示例性框图。
如图8所示,装置800可以包括编码训练单元810、映射训练单元820、解码训练单元830以及参数调整单元840。
其中,编码训练单元810可以被配置成利用图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中样本离散序列中的每个元素对应于样本图像序列中的样本图像的一局部区域。映射训练单元820可以被配置成利用图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于样本图像序列的解码特征序列。解码训练单元830可以被配置成利用图像处理模型中的解码单元对样本图像序列的解码特征序列进行解码,以得到包括目标对象的重建图像序列。参数调整单元840可以被配置成基于重建图像序列与样本图像序列之间的差异调整编码单元的参数。
在一些实施例中,图像处理模型中的编码单元可以包括图像编码器和时序模型的级联结构,利用所述图像处理模型中的编码单元对所述样本图像序列进行编码,以得到样本离散序列包括:利用图像编码器对所述样本图像序列中的各个样本图像进行编码,以得到分别对应于各个样本图像的全局编码图像特征,其中每个样本图像的全局编码图像特征包括多个局部图像特征;对所述各个样本图像的全局编码图像特征中的局部图像特征进行重排,以得到样本局部图像特征序列;利用时序模型对所述样本局部图像特征序列进行处理,以得到所述样本离散序列。
在一些实施例中,基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数包括:利用第二编码器对所述样本图像序列进行编码,以得到参考图像特征;利用所述映射单元确定对应于参考图像特征的参考离散序列,其中所述参考离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域;基于所述参考离散序列与所述样本离散序列之间的差异以及所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
在一些实施例中,所述第二编码器和所述解码单元是通过如下方法确定的:将包括目标对象的原始图像的集合确定为训练样本集合;对于所述训练样本集合中的每个样本图像,利用第二编码器对该样本图像进行编码,以得到该样本图像的全局编码图像特征,对所述全局编码图像特征进行离散化,以得到样本离散特征,其中所述样本离散特征中的每个元素对应于该样本图像的一局部区域;基于映射单元确定所述样本离散特征中各个元素对应的解码图像特征;基于样本离散特征中各个元素对应的解码图像特征确定用于该样本图像的全局解码特征;利用解码单元对所述全局解码特征进行解码,以得到该样本图像的重建图像;基于该样本图像的重建图像和该样本图像之间的差异调整所述第二编码器和所述解码单元的参数。
在一些实施例中,所述图像编码器和所述第二编码器具有相同的结构。
可以利用图8中示出的单元810~840执行图5中示出的步骤S502~S508,在此不再加以赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,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。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向电子设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许电子设备900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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901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901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901执行上文所描述的各个方法和处理,例如方法200、500。例如,在一些实施例中,方法200、500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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的方法200、500的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200、500。
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、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)、互联网和区块链网络。
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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (27)
1.一种图像处理方法,包括:
确定包括目标对象的目标图像序列;
对所述目标图像序列进行编码,以得到目标离散序列,其中所述目标离散序列中的每个元素对应于所述目标图像序列中的图像的一局部区域;
基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列;
对所述解码特征序列进行解码,以得到包括所述目标对象的预测图像序列。
2.如权利要求1所述的图像处理方法,其中,确定包括目标对象的目标图像序列包括:
确定包含目标对象的原始图像序列;
基于所述原始图像序列确定所述目标对象的原始关键点序列;
确定用于对目标对象进行人脸驱动的驱动图像序列;
基于所述驱动图像序列确定用于目标对象的驱动表情参数;
利用所述表情参数对所述原始关键点序列进行调整,以得到所述目标图像序列。
3.如权利要求2所述的图像处理方法,其中,所述预测图像序列包括由所述驱动表情参数驱动的目标对象。
4.如权利要求1-3中任一项所述的图像处理方法,其中,对所述目标图像序列进行编码包括:
利用图像编码器对所述目标图像序列中的各个图像进行编码,以得到分别对应于各个图像的各个全局编码图像特征,其中每个全局编码图像特征包括多个局部图像特征;
对所述各个全局编码图像特征中的局部图像特征进行重排,以得到局部图像特征序列;
利用时序模型对所述局部图像特征序列进行处理,以得到所述目标离散序列。
5.如权利要求1-3中任一项所述的图像处理方法,其中,基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列包括:
对所述各个元素对应的解码图像特征进行重排,以得到对应于所述目标图像序列中各个图像的全局解码特征,
基于所述目标图像序列对所述全局解码特征进行排列以得到所述解码特征序列。
6.如权利要求1-3中任一项所述的图像处理方法,其中,所述各个元素对应的解码图像特征是通过以下方式确定的:
通过在特征字典中进行查找确定各个元素对应的特征图作为解码图像特征。
7.如权利要求6所述的图像处理方法,其中所述元素为整数,所述特征字典指示整数与预定的特征图之间的映射关系。
8.一种图像处理模型,包括:
目标确定单元,被配置成确定包括目标对象的目标图像序列;
编码单元,所述编码单元被配置成对目标图像序列进行编码,以得到目标离散序列,其中所述目标离散序列中的每个元素对应于所述目标图像序列中的图像的一局部区域;
映射单元,被配置成基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列;以及
解码单元,被配置成对所述解码特征序列进行解码,以得到包括所述目标对象的预测图像序列。
9.如权利要求8所述的图像处理模型,其中,所述目标处理单元被配置成:
确定包含目标对象的原始图像序列;
基于所述原始图像序列确定所述目标对象的原始关键点序列;
确定用于对目标对象进行人脸驱动的驱动图像序列;
基于所述驱动图像序列确定用于目标对象的驱动表情参数;
利用所述表情参数对所述原始关键点序列进行调整,以得到所述目标图像序列。
10.如权利要求9所述的图像处理模型,其中,所述预测图像序列包括由所述驱动表情参数驱动的目标对象。
11.如权利要求8-10中任一项所述的图像处理模型,其中,所述编码单元包括图像编码器和时序模型的级联结构,
所述对所述目标图像序列进行编码包括:
利用所述图像编码器对所述目标图像序列中的各个图像进行编码,
以得到分别对应于各个图像的各个全局编码图像特征,其中每个全局编码图像特征包括多个局部图像特征;
对所述各个全局编码图像特征中的局部图像特征进行重排,以得到局部图像特征序列;
利用所述时序模型对所述局部图像特征序列进行处理,以得到所述目标离散序列。
12.如权利要求8-10中任一项所述的图像处理模型,其中,基于各个元素对应的局部区域的解码图像特征确定对应于所述目标图像序列的解码特征序列包括:
对所述各个元素对应的解码图像特征进行重排,以得到对应于所述目标图像序列中各个图像的全局解码特征,
基于所述目标图像序列对所述全局解码特征进行排列以得到所述解码特征序列。
13.如权利要求8-10中任一项所述的图像处理模型,其中,所述各个元素对应的解码图像特征是通过以下方式确定的:
通过在特征字典中进行查找确定各个元素对应的解码图像特征。
14.如权利要求13所述的图像处理模型,其中所述元素为整数,所述特征字典指示整数与预定的特征图之间的映射关系。
15.一种对图像处理模型进行训练的方法,其中,训练样本集合为包括目标对象的原始图像序列,
所述方法包括:
利用所述图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中所述样本离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域,
利用所述图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于所述样本图像序列的解码特征序列;
利用所述图像处理模型中的解码单元对所述样本图像序列的解码特征序列进行解码,以得到包括所述目标对象的重建图像序列;
基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
16.如权利要求15所述的方法,其中,所述编码单元包括图像编码器和时序模型的级联结构,
利用所述图像处理模型中的编码单元对所述样本图像序列进行编码,以得到样本离散序列包括:
利用图像编码器对所述样本图像序列中的各个样本图像进行编码,以得到分别对应于各个样本图像的全局编码图像特征,其中每个样本图像的全局编码图像特征包括多个局部图像特征;
对所述各个样本图像的全局编码图像特征中的局部图像特征进行重排,以得到样本局部图像特征序列;
利用时序模型对所述样本局部图像特征序列进行处理,以得到所述样本离散序列。
17.如权利要求15或16所述的方法,其中,基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数包括:
利用第二编码器对所述样本图像序列进行编码,以得到参考图像特征;
利用所述映射单元确定对应于参考图像特征的参考离散序列,其中所述参考离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域;
基于所述参考离散序列与所述样本离散序列之间的差异以及所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
18.如权利要求17所述的方法,其中,所述第二编码器和所述解码单元是通过如下方法确定的:
将包括目标对象的原始图像的集合确定为训练样本集合;
对于所述训练样本集合中的每个样本图像,
利用第二编码器对该样本图像进行编码,以得到该样本图像的全局编码图像特征,
对所述全局编码图像特征进行离散化,以得到样本离散特征,其中
所述样本离散特征中的每个元素对应于该样本图像的一局部区域;
基于映射单元确定所述样本离散特征中各个元素对应的解码图像特征;
基于样本离散特征中各个元素对应的解码图像特征确定用于该样本图像的全局解码特征;
利用解码单元对所述全局解码特征进行解码,以得到该样本图像的重建图像;
基于该样本图像的重建图像和该样本图像之间的差异调整所述第二编码器和所述解码单元的参数。
19.如权利要求17所述的方法,其中所述图像编码器和所述第二编码器具有相同的结构。
20.一种对图像处理模型进行训练的装置,其中,训练样本集合为包括目标对象的原始图像序列,包括:
编码训练单元,被配置成利用所述图像处理模型中的编码单元对样本图像序列进行编码,以得到样本离散序列,其中所述样本离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域;
映射训练单元,被配置成利用所述图像处理模型中的映射单元基于各个元素对应的局部区域的解码图像特征确定对应于所述样本图像序列的解码特征序列;
解码训练单元,被配置成利用所述图像处理模型中的解码单元对所述样本图像序列的解码特征序列进行解码,以得到包括所述目标对象的重建图像序列;
参数调整单元,被配置成基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
21.如权利要求20所述的装置,其中,所述编码单元包括图像编码器和时序模型的级联结构,
利用所述图像处理模型中的编码单元对所述样本图像序列进行编码,以得到样本离散序列包括:
利用图像编码器对所述样本图像序列中的各个样本图像进行编码,以得到分别对应于各个样本图像的全局编码图像特征,其中每个样本图像的全局编码图像特征包括多个局部图像特征;
对所述各个样本图像的全局编码图像特征中的局部图像特征进行重排,以得到样本局部图像特征序列;
利用时序模型对所述样本局部图像特征序列进行处理,以得到所述样本离散序列。
22.如权利要求20或21所述的装置,其中,基于所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数包括:
利用第二编码器对所述样本图像序列进行编码,以得到参考图像特征;
利用所述映射单元确定对应于参考图像特征的参考离散序列,其中所述参考离散序列中的每个元素对应于所述样本图像序列中的样本图像的一局部区域;
基于所述参考离散序列与所述样本离散序列之间的差异以及所述重建图像序列与所述样本图像序列之间的差异调整所述编码单元的参数。
23.如权利要求22所述的装置,其中,所述第二编码器和所述解码单元是通过如下方法确定的:
将包括目标对象的原始图像的集合确定为训练样本集合;
对于所述训练样本集合中的每个样本图像,
利用第二编码器对该样本图像进行编码,以得到该样本图像的全局编码图像特征,
对所述全局编码图像特征进行离散化,以得到样本离散特征,其中
所述样本离散特征中的每个元素对应于该样本图像的一局部区域;
基于映射单元确定所述样本离散特征中各个元素对应的解码图像特征;
基于样本离散特征中各个元素对应的解码图像特征确定用于该样本图像的全局解码特征;
利用解码单元对所述全局解码特征进行解码,以得到该样本图像的重建图像;
基于该样本图像的重建图像和该样本图像之间的差异调整所述第二编码器和所述解码单元的参数。
24.如权利要求22所述的装置,其中所述图像编码器和所述第二编码器具有相同的结构。
25.一种电子设备,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1-7、15-19中任一项所述的方法。
26.一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1-7、15-19中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-7、15-19中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251906.XA CN116228897B (zh) | 2023-03-10 | 2023-03-10 | 图像处理方法、图像处理模型和训练方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310251906.XA CN116228897B (zh) | 2023-03-10 | 2023-03-10 | 图像处理方法、图像处理模型和训练方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116228897A true CN116228897A (zh) | 2023-06-06 |
CN116228897B CN116228897B (zh) | 2024-04-23 |
Family
ID=86590987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310251906.XA Active CN116228897B (zh) | 2023-03-10 | 2023-03-10 | 图像处理方法、图像处理模型和训练方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228897B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5504530A (en) * | 1992-06-25 | 1996-04-02 | Sony Corporation | Apparatus and method for coding and decoding image signals |
CN1993991A (zh) * | 2004-06-29 | 2007-07-04 | 西门子公司 | 对原始图像序列进行图像编码的可缩放的方法以及与此相关的图像解码方法、编码装置和解码装置 |
CN101068350A (zh) * | 2007-06-04 | 2007-11-07 | 北京派瑞根科技开发有限公司 | 一种基于像素统计特征和视觉特征的图像编解码处理方法 |
CN102821276A (zh) * | 2011-06-07 | 2012-12-12 | 索尼公司 | 图像编码设备和方法,图像解码设备和方法 |
US20130083858A1 (en) * | 2010-05-24 | 2013-04-04 | Nec Corporation | Video image delivery system, video image transmission device, video image delivery method, and video image delivery program |
AU2015201269A1 (en) * | 2012-09-28 | 2015-04-02 | Sony Corporation | Image Processing Device |
CN113313776A (zh) * | 2021-05-27 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
CN113936071A (zh) * | 2021-10-18 | 2022-01-14 | 清华大学 | 图像处理方法及装置 |
CN114036336A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学 | 基于语义划分的视觉文本属性对齐的行人图像搜索方法 |
CN114863229A (zh) * | 2022-03-28 | 2022-08-05 | 北京百度网讯科技有限公司 | 图像分类方法和图像分类模型的训练方法、装置 |
CN115294349A (zh) * | 2022-06-29 | 2022-11-04 | 北京百度网讯科技有限公司 | 训练模型的方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-10 CN CN202310251906.XA patent/CN116228897B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5504530A (en) * | 1992-06-25 | 1996-04-02 | Sony Corporation | Apparatus and method for coding and decoding image signals |
CN1993991A (zh) * | 2004-06-29 | 2007-07-04 | 西门子公司 | 对原始图像序列进行图像编码的可缩放的方法以及与此相关的图像解码方法、编码装置和解码装置 |
CN101068350A (zh) * | 2007-06-04 | 2007-11-07 | 北京派瑞根科技开发有限公司 | 一种基于像素统计特征和视觉特征的图像编解码处理方法 |
US20130083858A1 (en) * | 2010-05-24 | 2013-04-04 | Nec Corporation | Video image delivery system, video image transmission device, video image delivery method, and video image delivery program |
CN102821276A (zh) * | 2011-06-07 | 2012-12-12 | 索尼公司 | 图像编码设备和方法,图像解码设备和方法 |
AU2015201269A1 (en) * | 2012-09-28 | 2015-04-02 | Sony Corporation | Image Processing Device |
CN113313776A (zh) * | 2021-05-27 | 2021-08-27 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
CN113936071A (zh) * | 2021-10-18 | 2022-01-14 | 清华大学 | 图像处理方法及装置 |
CN114036336A (zh) * | 2021-11-15 | 2022-02-11 | 上海交通大学 | 基于语义划分的视觉文本属性对齐的行人图像搜索方法 |
CN114863229A (zh) * | 2022-03-28 | 2022-08-05 | 北京百度网讯科技有限公司 | 图像分类方法和图像分类模型的训练方法、装置 |
CN115294349A (zh) * | 2022-06-29 | 2022-11-04 | 北京百度网讯科技有限公司 | 训练模型的方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
周大可 等: "结合局部平面参数预测的无监督单目图像深度估计", 《中国图象图形学报》, vol. 26, no. 1, pages 165 - 175 * |
Also Published As
Publication number | Publication date |
---|---|
CN116228897B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807440B (zh) | 利用神经网络处理多模态数据的方法、设备和介质 | |
CN114511758A (zh) | 图像识别方法及装置、电子设备和介质 | |
CN114612749B (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
CN114005178B (zh) | 人物交互检测方法、神经网络及其训练方法、设备和介质 | |
CN115409922B (zh) | 三维发型生成方法、装置、电子设备和存储介质 | |
CN112967355A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN117274491A (zh) | 三维重建模型的训练方法、装置、设备和介质 | |
CN112967356A (zh) | 图像填充方法及装置、电子设备和介质 | |
CN113810765B (zh) | 视频处理方法、装置、设备和介质 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN116205819B (zh) | 字符图像生成方法、深度学习模型的训练方法和装置 | |
CN116228867B (zh) | 位姿确定方法、装置、电子设备、介质 | |
CN115170887B (zh) | 目标检测模型训练方法、目标检测方法及其装置 | |
CN115862031B (zh) | 文本处理方法、神经网络的训练方法、装置和设备 | |
CN116401462A (zh) | 应用于数字化共享的互动数据分析方法及系统 | |
CN116228897B (zh) | 图像处理方法、图像处理模型和训练方法 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113722594B (zh) | 推荐模型的训练方法、推荐方法、装置、电子设备及介质 | |
CN115393514A (zh) | 三维重建模型的训练方法、三维重建方法、装置、设备 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN115578584B (zh) | 图像处理方法、图像处理模型的构建和训练方法 | |
CN115331077B (zh) | 特征提取模型的训练方法、目标分类方法、装置、设备 | |
CN113793290B (zh) | 一种视差确定方法、装置、设备、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 |