CN116612204B - 图像生成方法、训练方法、装置、电子设备以及存储介质 - Google Patents
图像生成方法、训练方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN116612204B CN116612204B CN202310644996.9A CN202310644996A CN116612204B CN 116612204 B CN116612204 B CN 116612204B CN 202310644996 A CN202310644996 A CN 202310644996A CN 116612204 B CN116612204 B CN 116612204B
- Authority
- CN
- China
- Prior art keywords
- sample
- feature
- preset
- fusion
- image
- 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 88
- 238000012549 training Methods 0.000 title claims abstract description 73
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 131
- 230000004927 fusion Effects 0.000 claims description 154
- 238000013136 deep learning model Methods 0.000 claims description 92
- 238000001514 detection method Methods 0.000 claims description 65
- 238000004422 calculation algorithm Methods 0.000 claims description 53
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000005315 distribution function Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 11
- 210000005036 nerve Anatomy 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 4
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 6
- 230000001537 neural effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 244000309464 bull Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 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
- 241000282326 Felis catus Species 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了图像生成方法、训练方法、装置、电子设备以及存储介质,涉及人工智能技术领域,尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙等场景。具体实现方案为:根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向;根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉、增强现实、虚拟现实、深度学习等技术领域,可应用于元宇宙等场景。
背景技术
随着人工智能技术的快速发展,在游戏制作、动画制作、元宇宙构建等场景中,可以基于深度学习算法、计算机视觉技术等图像生成方法来实现快速地生成满足场景需求或者艺术创作需求的二维图像或三维图像,以提升构建得到的游戏、动画、元宇宙等场景的真实度与生动程度。
发明内容
本公开提供了一种图像生成方法、训练方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种图像生成方法,包括:根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向;根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
根据本公开的另一方面,提供了一种深度学习模型的训练方法,包括:获取训练样本,训练样本包括样本数据和样本标签,样本数据包括样本预设视角射线中的样本采样点、与样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,样本预设视角射线为基于样本预设位置沿着样本预设视角方向辐射的射线,样本预设视角方向为从样本预设位置朝向样本目标对象的方向,样本标签包括与样本预设视角方向对应的标签图像,标签图像与样本目标对象相关;将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征;将样本描述文本和初始对象表面特征输入至深度学习模型的图像生成网络,输出样本图像;以及根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型。
根据本公开的另一方面,提供了一种图像生成装置,包括:对象表面特征确定模块,用于根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向;目标图像生成模块,用于根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
根据本公开的另一方面,提供了一种深度学习模型的训练装置,包括:训练样本获取模块,用于获取训练样本,训练样本包括样本数据和样本标签,样本数据包括样本预设视角射线中的样本采样点、与样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,样本预设视角射线为基于样本预设位置沿着样本预设视角方向辐射的射线,样本预设视角方向为从样本预设位置朝向样本目标对象的方向,样本标签包括与样本预设视角方向对应的标签图像,标签图像与样本目标对象相关;样本初始对象表面特征获得模块,用于将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征;样本图像获得模块,用于将样本描述文本和初始对象表面特征输入至深度学习模型的图像生成网络,输出样本图像;以及训练模块,用于根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型。
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根据本公开实施例提供的方法。
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根据本公开实施例提供的方法。
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,所述计算机程序在被处理器执行时实现根据本公开实施例提供的方法。
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示意性示出了根据本公开实施例的可以应用图像生成方法及装置的示例性系统架构。
图2示意性示出了根据本公开实施例的图像生成方法的流程图。
图3示意性示出了根据本公开实施例的预设视角射线和采样点的示意图。
图4示意性示出了根据本公开实施例的对象表面特征检测网络的原理图。
图5示意性示出了根据本公开实施例的深度学习模型的原理图。
图6示意性示出了根据本公开实施例的深度学习模型的训练方法的流程图。
图7示意性示出了根据本公开实施例的深度学习模型训练方法的原理图。
图8示意性示出了根据本公开实施例的编码网络层的原理图。
图9示意性示出了根据本公开实施例的图像生成装置的框图。
图10示意性示出了根据本公开实施例的深度学习模型的训练装置的框图。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。
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。
在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
随着人工智能技术的快速发展,在游戏制作、动画制作、元宇宙构建等场景中,可以基于深度学习算法、计算机视觉技术等图像生成方法来实现快速地生成满足场景需求的二维图像或三维图像。例如可以基于图像重建方法来对初始的图像进行重建,以更新初始图像中的虚拟人物的动作,或者还可以更新初始图像中虚拟建筑物的尺寸、纹理等对象属性,以满足构建场景的实际需求。
但是发明人发现,通常的图像重建方法得到的重建后的图像难以精确地表征图像中虚拟人物、虚拟物体等目标对象的对象表面属性,导致得到的重建后的图像中目标对象的重建精度较低,难以生动地表征目标对象在较为复杂的环境中的表面属性。例如,重建后得到的图像难以精确地表征光线照射对于目标对象的表面颜色属性的影响,或难以表征具有表面透明属性的目标对象(例如玻璃材质物体)的表面材质属性。
本公开的实施例提供了图像生成方法、训练方法、装置、电子设备、存储介质以及计算机程序产品。该图像生成方法包括:根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向;根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
根据本公开的实施例,根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,得到与目标对象相关的对象表面特征,可以使对象表面特征粗略地表征目标对象的轮廓并较为精准地表征目标对象表面的纹理属性特征,根据描述文本和对象表面特征来得到重建后的目标图像,可以根据描述文本的语义信息,来对对象表面特征进一步更新,从而可以使生成的目标图像较为精准地表征与描述文本相匹配的目标对象,同时提升目标图像针对目标对象的对象表面属性的表征精度。
图1示意性示出了根据本公开实施例的可以应用图像生成方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用图像生成方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的图像生成方法及装置。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像生成方法一般可以由终端设备101、102、或103执行。相应地,本公开实施例所提供的图像生成装置也可以设置于终端设备101、102、或103中。
或者,本公开实施例所提供的图像生成方法一般也可以由服务器105执行。相应地,本公开实施例所提供的图像生成装置一般可以设置于服务器105中。本公开实施例所提供的图像生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的图像生成方法的流程图。
如图2所示,该图像生成方法包括操作S210~S220。
在操作S210,根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向。
在操作S220,根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
根据本公开的实施例,目标对象的类型可以是任意的,例如可以是虚拟人物、虚拟物体等虚拟目标对象,或者还可以是猫、狗、汽车、飞机等真实世界中存在的真实目标对象,本公开的实施例对目标对象的具体类型不做限定,本领域技术人员可以根据实际需求进行选择。
根据本公开的实施例,预设视角射线可以是从预设位置向目标对象辐射的射线,例如可以基于虚拟相机的虚拟相机位置、虚拟相机位姿信息等虚拟相机属性信息来得到预设视角射线,进而可以得到预设视角方向。
需要说明的是,预设视角射线的数量可以是1个或多个,本公开的实施例对预设视角射线的具体数量不做限定。
根据本公开的实施例,可以基于任意的预设采样规则来得到预设视角射线中的采样点。可以基于等间隔规则,在预设视角射线上按照相同的间隔距离来确定采样点,但不仅限于此,还可以基于与目标对象相似的轮廓生成预设视角射线上的采样点。或者,还可以基于圆柱、长方体等形状轮廓来生成预设视角射线上的采样点。本公开的实施例对得到预设视角射线中的采样点的具体方式不做限定,本领域技术人员可以根据实际需求进行选择。
根据本公开的实施例,对象表面特征可以是与目标对象的对象表面属性相关的特征信息,对象表面属性例如可以是目标对象的对象表面密度、对象表面颜色等,本公开的实施例对此不做限定。
根据本公开的实施例,可以基于神经网络算法构建得到的对象表面特征检测网络来处理采样点和预设视角方向,从而得到对象表面特征。对象表面特征检测网络例如是基于卷积神经网络算法构建得到的,但不仅限于此,还可以基于其他类型的神经网络算法来构建得到对象表面特征检测网络,本公开的实施例对此不做限定。
根据本公开的实施例,目标图像可以是二维图像,或者还可以是三维图像,本公开的实施例对目标图像的具体类型不做限定,只要能够表征目标对象即可。
根据本公开的实施例,描述文本可以是与目标对象的姿态、颜色、目标对象的类型等任意的对象属性相关的文本。可以基于神经网络算法构建得到的图像生成网络来处理描述文本和对象表面特征,实现根据描述文本中与目标对象的对象属性相关的特征,来与对象表面特征进行充分融合,实现将描述文本所表征的对象属性,与对象表面特征所表征的对象表面属性进行充分融合,使生成的目标图像能够提升针对目标对象的对象表面属性的表征精度,同时使目标图像中的目标对象与描述文本所表征的姿态、类型等属性具有较高的相关度,以提升目标图像在预设视角方向对于目标对象的表面属性的整体表征精度,提升目标图像中目标对象的真实程度与生动程度。
根据本公开的实施例提供的图像生成方法,可以基于预设视角射线上的采样点、预设视角方向和描述文本来实现生成对于目标对象的整体表征精度较高的目标图像,相对于基于初始图像来生成重建后的图像,可以节省计算开销,同时降低生成目标图像所需的数据质量要求,提升图像的生成效率。
应该理解的是,预设视角射线可以是用于在预设位置观察目标对象的视线,根据本公开实施例提供的图像生成方法得到的目标图像可以是基于预设位置观察目标对象所对应的图像。
需要说明的是,在本公开的实施例中,在获得数据(包括但不限于描述文本、采样点等)之前是经过了相关的用户授权后进行的,或者通过其他合法合规的方式获取到授权后获得到相关数据,图像生成的过程符合相关法规或检测标准要求且不会对目标对象造成负面影响。同时生成的目标图像的用途符合相关法律法规的要求,且不违背公序良俗。
根据本公开的实施例,每个预设视角射线中包含有多个采样点,且每个预设视角射线中相邻的采样点之间的采样点相邻距离相等。
图3示意性示出了根据本公开实施例的预设视角射线和采样点的示意图。
如图3所示,可以从预设位置300辐射第一预设视角射线310和第二预设视角射线320。第一预设视角射线310和第二预设视角射线320中各自可以包含有4个采样点。例如,第一预设视角射线310中可以包含有采样点N311、N312、N313和N314。第二预设视角射线320中可以包含有采样点N321、N322、N323和N324。
第一预设视角射线310中,采样点N311与采样点N312之间的采样点相邻距离,与采样点N312与采样点N313之间的采样点相邻距离相等。采样点N313与采样点N314之间的采样点相邻距离,与采样点N312与采样点N313之间的采样点相邻距离相等。
第二预设视角射线320中,采样点N321与采样点N322之间的采样点相邻距离,与采样点N322与采样点N323之间的采样点相邻距离相等。采样点N323与采样点N324之间的采样点相邻距离,与采样点N322与采样点N323之间的采样点相邻距离相等。
又例如,采样点N321与采样点N322之间的采样点相邻距离,与采样点N312与采样点N313之间的采样点相邻距离也可以是相等的。
根据本公开的实施例,通过根据图3所示的方式来设定预设视角射线中的采样点,进而根据采样点各自对应的采样点位置,以及与预设视角射线对应的预设视角方向来得到对象表面特征,可以减少用于获得对象表面特征的数据质量要求,提升生成目标图像的整体效率。
需要说明的是,预设视角射线的数量,以及每个预设视角射线中采样点的数量均可以是任意的。本公开的实施例对此不做限定。
根据本公开的实施例,对象表面特征包括对象颜色特征。
根据本公开的实施例,根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向确定与目标对象相关的对象表面特征可以包括:基于神经辐射场算法处理采样点和预设视角方向,得到与目标对象相关的对象颜色特征。
根据本公开的实施例,可以基于神经辐射场(Neural Radiance Fields,NeRF)算法构建得到的第一检测层,来处理采样点的采样点位置,以及预设视角方向,进而确定与目标对象相关的对象颜色(RGB,Red Green Blue)特征,以及与目标对象相关的对象表面点密度特征。通过对象颜色特征可以初步表征目标对象的对象表面属性,进而为后续生成目标图像奠定基础。
需要说明的是,基于神经辐射场(Neural Radiance Fields,NeRF)算法构建得到的第一检测层,可以是根据训练样本来训练得到的神经网络层。训练后的第一检测层可以嵌入用于预测目标对象的对象表面颜色属性的模型参数,进而可以实现对不同光照条件、不同的预设视角方向的目标对象的对象颜色属性进行较为精确地表征。
根据本公开的实施例,对象表面特征还可以包括对象反射属性特征。
根据本公开的实施例,根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向确定与目标对象相关的对象表面特征还可以包括:根据反射分布函数模型处理采样点和预设视角方向,得到与目标对象相关的对象反射属性特征。
根据本公开的实施例,反射分布函数模型例如可以是基于双向反射分布函数(Bidirectional Reflectance-Distribution Function,BRDF)原理构建得到的模型。或者反射分布函数模型还可以是基于空间多样性双向反射分布函数(Spatially-VaryingBidirectional Reflectance Distribution Function,SVBRDF)原理构建得到的模型。
反射分布函数模型的输入可以是采样点的采样点位置与预设视角方向,通过反射分布函数模型学习到光线照射目标对象的情况下,对于目标对象表面的对象反射属性的预测能力,可以使输出的对象反射属性特征较为精准地表征目标对象的对象表面的光线反射情况、光线散射情况等。进而使对象反射属性特征可以较为精确地表征目标对象的对象表面的材质属性。这样可以使对象反射属性特征较为精确地表征透明材质、金属材质等多种材质属性的目标对象的表面纹理,进而可以使得到的目标图像提升针对目标对象的重建精度。
根据本公开的实施例,对象反射属性特征可以是表征目标对象的对象表面反射率的反射率特征,或者还可以是光线的反射能量特征,本公开的实施例对对象反射属性特征的具体类型不做限定,本领域技术人员可以根据实际需求进行选择。
根据本公开的实施例,反射分布函数模型可以基于神经网络算法来构建得到,例如可以基于多层感知机(Multilayer Perceptron,简称MLP)算法来构建得到反射分布函数模型,从而实现双向反射分布函数原理。
图4示意性示出了根据本公开实施例的对象表面特征检测网络的原理图。
如图4所示,预设视角射线中的采样点401和预设视角方向402可以输入至对象表面特征检测网络410的第一检测层411,输出对象颜色特征421。又例如,采样点401和预设视角方向402可以输入至对象表面特征检测网络410的第二检测层412,输出对象反射属性特征422。第一检测层411和第二检测层412各自均可以是基于多层感知机(MultilayerPerceptron,简称MLP)算法来构建得到的神经网络层。
对象颜色特征421和对象反射属性特征422的拼接结果可以作为对象表面特征420。
根据本公开的实施例,预设视角射线的数量可以是H×W个,每个预设视角射线中各自包含的采样点的数量可以是Z。因此输入至对象特征检测网络的特征维度可以是H×W×Z,对象特征检测网络输出的对象表面特征的特征维度可以是H×W×Z×6。
根据本公开的实施例,根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像可以包括:对描述文本进行编码,得到描述文本特征;融合描述文本特征和对象表面特征,得到目标融合特征;以及根据目标融合特征,生成目标图像。
根据本公开的实施例,可以基于神经网络算法来对描述文本进行编码,得到描述文本特征。例如可以基于注意力网络算法来对描述文本进行编码。
根据本公开的实施例,可以基于神经网络算法来融合描述文本特征和对象表面特征,例如可以基于残差网络(Residual Networks,ResNets)来融合描述文本特征和对象表面特征,但不仅限于此,还可以基于其他类型的神经网络算来融合描述文本特征和对象表面特征,例如可以基于扩散模型(Diffusion Model)算法来融合描述文本特征和对象表面特征,进而根据得到的目标融合特征生成目标图像。
根据本公开的实施例,融合描述文本特征和对象表面特征,得到目标融合特征可以包括:对第n-1级融合特征进行至少一次卷积,得到第n-1级中间融合特征,其中,N≥n>1,n为整数;基于注意力网络算法融合第n-1级中间融合特征和描述文本特征,得到第n级融合特征;以及在n等于N的情况下,将第N级融合特征确定为目标融合特征;其中,第1级融合特征是基于注意力网络算法,融合描述文本特征和对象表面特征后得到的。
图5示意性示出了根据本公开实施例的深度学习模型的原理图。
如图5所示,深度学习模型可以包括对象表面特征检测网络510和图像生成网络520。对象表面特征检测网络510可以是基于多层感知器算法构建得到的。图像生成网络520可以包含有文本特征编码层521和解码网络层522。文本特征编码层521可以是基于Clip(Contrastive Language-Image Pretraining)算法构建得到的。
如图5所示,可以将预设视角射线中的采样点501和预设视角方向502输入至对象表面特征检测网络510,输出对象表面特征。将与目标对象相关的描述文本503输入至文本特征编码层521,输出描述文本特征5031。描述文本例如可以是“一支黑色的公牛”。
融合描述文本特征和对象表面特征,如图5所示,可以将对象表面特征和描述文本特征5031的拼接结果输入至解码网络层522的初始特征融合子层5221,输出第1级融合特征。初始特征融合子层5221可以是基于注意力网络算法构建得到的。
如图5所示,对第n-1级融合特征进行至少一次卷积,例如在n=2的情况下,可以将第1级融合特征输入至第1级残差网络子层5222,输出第1级中间融合特征。基于注意力网络算法融合第n-1级中间融合特征和描述文本特征,例如可以在n=2的情况下,可以将第1级中间融合特征和描述文本特征5031输入至第1级注意力网络子层5223,输出第2级融合特征。
又例如,在n=N=3的情况下,可以将第2级融合特征输入至第2级残差网络子层5224,输出第2级中间融合特征;将第2级中间融合特征输入至第2级注意力网络子层5225,输出第3级融合特征。并可以将第3级融合特征确定为目标融合特征。根据图像生成网络520包含的特征解码器来对目标融合特征进行解码,即可以得到与目标对象相关的目标图像504。目标图像504例如可以是与黑色的公牛相关的图像。
需要说明的是,本公开的实施例对N的具体数量不做限定,本领域技术人员可以根据需求确定N的实际数量。
如图5所示,根据本公开实施例提供的图像生成方法,可以在确定预设视角射线中的采样点501、预设视角方向502和描述文本503的情况下,通过解码网络层实现描述文本特征5031与对象表面特征之间的多层级融合,进而可以使目标融合特征较为精确地表征描述文本503中与对象属性相关的特征信息,以及对象表面特征中与对象表面属性相关的特征信息,进而可以实现在光线照射和预设观察方向的情况下,使生成的目标图像504中的目标对象,可以与光线照射情况和预设观察方向相匹配,提升目标图像表征目标对象的逼真程度,进而实现对于目标对象的精细化建模。
图6示意性示出了根据本公开实施例的深度学习模型的训练方法的流程图。
如图6所示,深度学习模型的训练方法可以包括操作S610~S640。
在操作S610,获取训练样本,训练样本包括样本数据和样本标签,样本数据包括样本预设视角射线中的样本采样点、与样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,样本预设视角射线为基于样本预设位置沿着样本预设视角方向辐射的射线,样本预设视角方向为从样本预设位置朝向样本目标对象的方向,样本标签包括与样本预设视角方向对应的标签图像,标签图像与样本目标对象相关。
在操作S620,将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征。
在操作S630,将样本描述文本和初始对象表面特征输入至深度学习模型的图像生成网络,输出样本图像。
在操作S640,根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型。
根据本公开的实施例,样本目标对象的类型可以是任意的,例如可以是虚拟人物、虚拟物体等虚拟目标对象,或者还可以是猫、狗、汽车、飞机等真实世界中存在的真实目标对象,本公开的实施例对样本目标对象的具体类型不做限定,本领域技术人员可以根据实际需求进行选择。
根据本公开的实施例,样本预设视角射线可以是从样本预设位置向样本目标对象辐射的射线,例如可以基于虚拟相机的虚拟相机位置、虚拟相机位姿信息等虚拟相机属性信息来得到样本预设视角射线,进而可以得到样本预设视角方向。
需要说明的是,样本预设视角射线的数量可以是1个或多个,本公开的实施例对样本预设视角射线的具体数量不做限定。
根据本公开的实施例,可以基于任意的预设采样规则来得到样本预设视角射线中的样本采样点。可以基于等间隔规则,在样本预设视角射线上按照相同的间隔距离来确定样本采样点,但不仅限于此,还可以基于与样本目标对象相似的轮廓生成预设视角射线上的采样点。或者,还可以基于圆柱、长方体等形状轮廓来生成样本预设视角射线上的采样点。本公开的实施例对得到样本预设视角射线中的样本采样点的具体方式不做限定,本领域技术人员可以根据实际需求进行选择。
根据本公开的实施例,样本初始对象表面特征可以是与样本目标对象的对象表面属性相关的特征信息,对象表面属性例如可以是样本目标对象的对象表面密度、对象表面颜色等,本公开的实施例对此不做限定。
根据本公开的实施例,可以基于神经网络算法构建得到对象表面特征检测网络,例如可以基于卷积神经网络算法构建得到对象表面特征检测网络,但不仅限于此,还可以基于多层感知器算法来构建得到对象表面特征检测网络,本公开的实施例对此不做限定。
根据本公开的实施例,图像生成网络可以是基于扩散模型(Diffusion Model)算法构建得到的。
根据本公开的实施例,样本图像可以是二维图像,或者还可以是三维图像,本公开的实施例对样本图像的具体类型不做限定,只要能够表征样本目标对象即可。
根据本公开的实施例,根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型。可以是根据第一损失函数来处理样本图像和标签图像,得到第一损失值,基于第一损失值迭代地调整深度学习模型的模型参数,直至将第一损失函数收敛的情况下,得到的深度学习模型确定为训练后的深度学习模型。
根据本公开的实施例,训练后的深度学习模型可以应用于本公开实施例提供的图像生成方法。例如,可以基于本公开实施例提供的深度学习模型的训练方法得到如图5所示的深度学习模型,从而可以实现将根据本公开实施例提供的深度学习模型的训练方法得到的深度学习模型,应用于本公开实施例提供的图像生成方法。
根据本公开的实施例,每个样本预设视角射线中包含有多个样本采样点,且每个样本预设视角射线中相邻的样本采样点之间的样本采样点相邻距离相等。
根据本公开的实施例,样本初始对象表面特征包括样本对象颜色特征。
根据本公开的实施例,将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征可以包括:将样本采样点和样本预设视角方向输入至对象表面特征检测网络的第一检测层,输出样本对象颜色特征,其中,第一检测层基于神经辐射场算法构建得到。
根据本公开的实施例,样本初始对象表面特征还包括样本对象反射属性特征。
根据本公开的实施例,将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征还可以包括:将样本采样点和样本预设视角方向输入至对象表面特征检测网络的第二检测层,输出样本对象反射属性特征,其中,第二检测层基于反射分布函数模型构建得到。
根据本公开的实施例,图像生成网络包括文本特征编码层、编码网络层和解码网络层。
根据本公开的实施例,将样本描述文本和初始对象表面特征输入至深度学习模型的图像生成网络,输出样本图像可以包括:
将样本描述文本输入至文本特征编码层,得到样本描述文本特征;将样本初始对象表面特征、噪音信息和样本描述文本特征输入至编码网络层,输出潜变量特征;以及将潜变量特征输入至解码网络层,输出样本图像。
图7示意性示出了根据本公开实施例的深度学习模型训练方法的原理图。
如图7所示,深度学习模型可以包括对象表面特征检测网络710、图像生成网络720和三维图像生成网络730。对象表面特征检测网络710可以是基于神经辐射场算法构建得到的。图像生成网络720可以包含有文本特征编码层721、编码网络层722和解码网络层723。文本特征编码层721可以是基于Clip(Contrastive Language-Image Pretraining)算法构建得到的。编码网络层722和解码网络层723可以基于稳定扩散(Stable Diffusion)算法构建得到的。
训练样本中的样本数据可以包括样本采样点701、样本预设视角方向702、样本描述文本703。样本标签可以包括标签图像706和标签三维图像708。
如图7所示,可以将样本采样点701和样本预设视角方向702输入至对象表面特征检测网络710,输出样本初始对象表面特征。
又例如,还可以将与样本目标对象相关的描述文本703输入至文本特征编码层721,输出样本描述文本特征。样本描述文本例如可以是“一支黑色的公牛”。可以将样本描述文本特征、样本初始对象表面特征和噪音信息704输入至编码网络层722,输出潜变量特征。该潜变量特征可以是融合有噪声信息、样本描述文本特征和样本初始对象表面特征的特征图,或特征向量。将潜变量特征输入至编码网络层722,可以基于编码网络层722来对潜变量特征进行去噪处理,从而输出样本图像705。
如图7所示,还可以将样本初始对象表面特征输入至三维图像生成网络730,输出样本三维图像707。三维图像生成网络730可以是基于体渲染(Volume Rendering)模型构建得到的。
根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型可以包括:根据样本图像和标签图像,得到第一损失值;根据样本三维图像和标签三维图像,得到第二损失值;以及根据第一损失值和第二损失值,训练深度学习模型,得到训练后的深度学习模型。
如图7所示,可以基于第一损失函数处理样本图像705和标签图像706,基于第二损失函数处理样本三维图像707和标签三维图像708,得到第二损失值。基于第一损失值和第二损失值得到目标损失值,根据目标损失值迭代地调整深度学习模型的模型参数,直至目标损失值收敛。将目标损失值收敛的情况下对应的深度学习模型,确定为训练后得到的深度学习模型。
在本公开的另一个实施例中,可以首先基于第二损失值来训练对象表面特征检测网络,得到训练后的中间对象表面特征检测网络;然后基于第一损失值来训练深度学习模型的中间对象表面特征检测网络和图像生成网络,得到训练后的深度学习模型。
在本公开的另一个实施例中,编码网络层和解码网络层可以是相同的图像生成网络层,图像生成网络层输出的潜变量特征,再反向输入至图像生成网络层,输出样本图像。
根据本公开的实施例提供的深度学习模型的训练方法,训练得到的深度学习模型,可以在没有获得与目标对象对应的精确几何图形的情况下,根据轮廓相对粗糙的采样点来生成精确表征目标对象的目标图像,减少了对于生成目标图像所需的数据质量要求,提升目标图像生成方法的适用范围。同时,本公开实施例提供的深度学习模型的训练方法,可以基于潜在空间中的潜在特征对深度学习模型的进行优化,使训练得到的深度学习模型中的对象表面特征生成网络,可以充分地学习到预测样本目标对象的对象表面属性的预测能力,进而实现避免图像生成方法对于精确几何图形作为输入数据的依赖。
根据本公开的实施例,编码网络层可以包括N级基于卷积神经网络算法构建的第一特征融合子层,以及N级基于注意力网络算法构建的第二特征融合子层,N为大于1的整数。
根据本公开的实施例,将样本初始对象表面特征、噪音信息和样本描述文本特征输入至编码网络层,输出潜变量特征可以包括:将第n-1级融合特征输入至第n级第一特征融合子层,输出第n级中间融合特征;将第n级中间融合特征和样本描述文本特征输入至第n级第二特征融合子层,输出第n级融合特征;以及在n等于N的情况下,将第N级融合特征确定为潜变量特征,其中,N≥n>1,n为整数;其中,第1级中间融合特征是通过将样本初始对象表面特征和噪音信息输入至第1级第一特征融合子层得到的。
图8示意性示出了根据本公开实施例的编码网络层的原理图。
如图8所示,在N=3的情况下,编码网络层810可以包括3级第一特征融合子层和3级第二特征融合子层。
第1级中间融合特征是通过将样本初始对象表面特征和噪音信息输入至第1级第一特征融合子层得到的,如图8所示,例如可以将样本初始对象表面特征801和噪音信息802输入至编码网络层810的第1级第一特征融合子层811,输出第1级中间融合特征。第1级中间融合特征和样本描述文本特征803可以输入至第1级第二特征融合子层812,输出第1级融合特征。即第1级融合特征可以是将第1级中间融合特征和样本描述文本特征803输入至第1级第二特征融合子层得到的。
如图8所示,在n=2的情况下,可以将第1级融合特征输入至第2级第一特征融合子层813,输出第2级中间融合特征。将第2级中间融合特征和样本描述文本特征803输入至第2级第二特征融合子层814,输出第2级融合特征。
如图8所示,在n=N=3的情况下,可以将第2级融合特征输入至第3级第一特征融合子层815,输出第3级中间融合特征。将第3级中间融合特征和样本描述文本特征803输入至第3级第二特征融合子层816,输出第3级融合特征。应该理解的是,由于n=N=3,因此可以将第3级融合特征确定为潜变量特征804。
根据本公开的实施例,可以通过将样本描述文本特征与样本初始对象表面特征和噪音信息进行多层级融合,且可以基于交叉注意力网络算法,来提升针对样本描述文本特征对应的目标对象的对象属性的关注程度,从而可以使得到的潜变量特征来较为精确地保留样本描述文本特征和样本初始对象表面特征,同时基于编码网络层和解码网络层的Unet网络结构来训练深度学习模型,可以进一步提升对象表面特征检测网络对于目标对象的对象表面属性的预测精度,从而可以省略基于较为精准地表征目标对象的初始图像来生成目标图像的过程,提升目标图像生成效率,降低目标图像生成所需的数据质量要求,进而提升得到与目标对象相关的图像的整体效率。这将使根据本公开实施例提供的方法训练得到的深度学习模型,能够广泛地应用于动画制作、游戏制作、影视产品制作、元宇宙等场景中。
需要说明的是,在训练后的深度学习模型可以包含有对象表面特征检测网络,以及基于文本特征编码层和解码网络层构建的图像生成网络。文本特征编码层输出的描述文本特征,与对象表面特征检测网络输出的对象表面特征的拼接结果可以作为解码网络层的潜变量特征。
需要说明的是,本公开实施例中提供的深度学习模型的训练方法中涉及的技术术语,包括但不限于样本初始对象表面特征、样本预设视角方向,与本公开实施例中涉及的技术术语,包括但不限于对象表面特征、预设视角方向,具有相同或相应地技术属性,本公开的实施例对此不再赘述。
基于上述实施例提供的图像生成方法,本公开的实施例还提供了图像生成装置。
图9示意性示出了根据本公开实施例的图像生成装置的框图。
如图9所示,图像生成装置900包括:对象表面特征确定模块910和目标图像生成模块920。
对象表面特征确定模块910,用于根据预设视角射线中的采样点,以及与预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,预设视角射线为基于预设位置沿着预设视角方向辐射的射线,预设视角方向为从预设位置朝向目标对象的方向。
目标图像生成模块920,用于根据与目标对象相关的描述文本,以及对象表面特征,生成表征目标对象的目标图像。
根据本公开的实施例,对象表面特征包括对象颜色特征。
根据本公开的实施例,对象表面特征确定模块包括对象颜色特征获得单元。
对象颜色特征获得单元,用于基于神经辐射场算法处理采样点和预设视角方向,得到与目标对象相关的对象颜色特征。
根据本公开的实施例,对象表面特征还包括对象反射属性特征。
根据本公开的实施例,对象表面特征确定模块还包括对象反射属性特征获得单元。
对象反射属性特征获得单元,用于根据反射分布函数模型处理采样点和预设视角方向,得到与目标对象相关的对象反射属性特征。
根据本公开的实施例,目标图像生成模块包括:描述文本特征获得单元、目标融合特征获得单元和目标图像生成单元。
描述文本特征获得单元,用于对描述文本进行编码,得到描述文本特征。
目标融合特征获得单元,用于融合描述文本特征和对象表面特征,得到目标融合特征。
目标图像生成单元,用于根据目标融合特征,生成目标图像。
根据本公开的实施例,目标融合特征获得单元包括:第一中间融合特征获得子单元、第一融合特征获得子单元和目标融合特征确定子单元。
第一中间融合特征获得子单元,用于对第n-1级融合特征进行至少一次卷积,得到第n-1级中间融合特征,其中,N≥n>1,n为整数。
第一融合特征获得子单元,用于基于注意力网络算法融合第n-1级中间融合特征和描述文本特征,得到第n级融合特征。
目标融合特征确定子单元,用于在n等于N的情况下,将第N级融合特征确定为目标融合特征;其中,第1级融合特征是基于注意力网络算法,融合描述文本特征和对象表面特征后得到的。
根据本公开的实施例,每个预设视角射线中包含有多个采样点,且每个预设视角射线中相邻的采样点之间的采样点相邻距离相等。
基于上述实施例提供的深度学习模型的训练方法,本公开的实施例还提供了深度学习模型的训练装置。
图10示意性示出了根据本公开实施例的深度学习模型的训练装置的框图。
如图10所示,深度学习模型的训练装置包括:训练样本获取模块1010、样本初始对象表面特征获得模块1020、样本图像获得模块1030和训练模块1040。
训练样本获取模块1010,用于获取训练样本,训练样本包括样本数据和样本标签,样本数据包括样本预设视角射线中的样本采样点、与样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,样本预设视角射线为基于样本预设位置沿着样本预设视角方向辐射的射线,样本预设视角方向为从样本预设位置朝向样本目标对象的方向,样本标签包括与样本预设视角方向对应的标签图像,标签图像与样本目标对象相关。
样本初始对象表面特征获得模块1020,用于将样本采样点和样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与样本目标对象相关的样本初始对象表面特征。
样本图像获得模块1030,用于将样本描述文本和初始对象表面特征输入至深度学习模型的图像生成网络,输出样本图像。
训练模块1 040,用于根据样本图像和标签图像训练深度学习模型,得到训练后的深度学习模型。
根据本公开的实施例,深度学习模型还包括三维图像生成网络,样本标签还包括与样本目标对象相关的标签三维图像。
深度学习模型的训练装置还包括样本三维图像获得模块。
样本三维图像获得模块,用于将样本初始对象表面特征输入至三维图像生成网络,输出样本三维图像。
根据本公开的实施例,训练模块包括:第一损失值获得单元、第二损失值获得单元和训练单元。
第一损失值获得单元,用于根据样本图像和标签图像,得到第一损失值。
第二损失值获得单元,用于根据样本三维图像和标签三维图像,得到第二损失值。
训练单元,用于根据第一损失值和第二损失值,训练深度学习模型,得到训练后的深度学习模型。
根据本公开的实施例,样本初始对象表面特征包括样本对象颜色特征。
其中,样本初始对象表面特征获得模块包括样本对象颜色特征获得单元。
样本对象颜色特征获得单元,用于将样本采样点和样本预设视角方向输入至对象表面特征检测网络的第一检测层,输出样本对象颜色特征,其中,第一检测层基于神经辐射场算法构建得到。
根据本公开的实施例,样本初始对象表面特征还包括样本对象反射属性特征。
根据本公开的实施例,样本初始对象表面特征获得模块还包括样本对象反射属性特征获得单元。
样本对象反射属性特征获得单元,用于将样本采样点和样本预设视角方向输入至对象表面特征检测网络的第二检测层,输出样本对象反射属性特征,其中,第二检测层基于反射分布函数模型构建得到。
根据本公开的实施例,图像生成网络包括文本特征编码层、编码网络层和解码网络层。
根据本公开的实施例,样本图像获得模块包括:样本描述文本特征获得单元、潜变量特征获得单元和样本图像获得单元。
样本描述文本特征获得单元,用于将样本描述文本输入至文本特征编码层,得到样本描述文本特征。
潜变量特征获得单元,用于将样本初始对象表面特征、噪音信息和样本描述文本特征输入至编码网络层,输出潜变量特征。
样本图像获得单元,用于将潜变量特征输入至解码网络层,输出样本图像。
根据本公开的实施例,编码网络层包括N级基于卷积神经网络算法构建的第一特征融合子层,以及N级基于注意力网络算法构建的第二特征融合子层,N为大于1的整数。
根据本公开的实施例,潜变量特征获得单元包括:第二中间融合特征获得子单元,第二融合特征获得子单元和潜变量特征获得子单元。
第二中间融合特征获得子单元,用于将第n-1级融合特征输入至第n级第一特征融合子层,输出第n级中间融合特征。
第二融合特征获得子单元,用于将第n级中间融合特征和样本描述文本特征输入至第n级第二特征融合子层,输出第n级融合特征。
潜变量特征获得子单元,用于在n等于N的情况下,将第N级融合特征确定为潜变量特征,其中,N≥n>1,n为整数;其中,第1级中间融合特征是通过将样本初始对象表面特征和噪音信息输入至第1级第一特征融合子层得到的,第1级融合特征是通过将第1级中间融合特征和样本描述文本特征输入至第1级第二特征融合子层得到的。
根据本公开的实施例,每个样本预设视角射线中包含有多个样本采样点,且每个样本预设视角射线中相邻的样本采样点之间的样本采样点相邻距离相等。
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。
根据本公开的实施例,一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上所述的方法。
根据本公开的实施例,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,计算机指令用于使计算机执行如上所述的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上所述的方法。
图11示出了可以用来实施本公开的实施例的示例电子设备1100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11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100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1101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1101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1101执行上文所描述的各个方法和处理,例如图像生成方法、深度学习模型的训练方法。例如,在一些实施例中,图像生成方法、深度学习模型的训练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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的图像生成方法、深度学习模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像生成方法、深度学习模型的训练方法。
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、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)、负载可编程逻辑设备(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)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,也可以是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 (27)
1.一种图像生成方法,包括:
根据预设视角射线中的采样点,以及与所述预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,所述预设视角射线为基于预设位置沿着所述预设视角方向辐射的射线,所述预设视角方向为从所述预设位置朝向所述目标对象的方向;
根据与所述目标对象相关的描述文本,以及所述对象表面特征,生成表征所述目标对象的目标图像;
其中,所述根据与所述目标对象相关的描述文本,以及所述对象表面特征,生成表征所述目标对象的目标图像包括:
对第n-1级融合特征进行至少一次卷积,得到第n-1级中间融合特征,其中,N≥n>1,n为整数;
基于注意力网络算法融合第n-1级所述中间融合特征和描述文本特征,得到第n级所述融合特征;以及
在n等于N的情况下,将第N级所述融合特征确定为目标融合特征;
根据所述目标融合特征,生成所述目标图像;
其中,第1级所述融合特征是基于所述注意力网络算法,融合描述文本特征和所述对象表面特征后得到的,所述描述文本特征是对所述描述文本编码得到的。
2.根据权利要求1所述的方法,其中,所述对象表面特征包括对象颜色特征;
其中,所述根据预设视角射线中的采样点,以及与所述预设视角射线对应的预设视角方向确定与目标对象相关的对象表面特征包括:
基于神经辐射场算法处理所述采样点和所述预设视角方向,得到与所述目标对象相关的所述对象颜色特征。
3.根据权利要求2所述的方法,其中,所述对象表面特征还包括对象反射属性特征;
其中,所述根据预设视角射线中的采样点,以及与所述预设视角射线对应的预设视角方向确定与目标对象相关的对象表面特征还包括:
根据反射分布函数模型处理所述采样点和所述预设视角方向,得到与所述目标对象相关的所述对象反射属性特征。
4.根据权利要求1所述的方法,其中,每个所述预设视角射线中包含有多个采样点,且每个所述预设视角射线中相邻的所述采样点之间的采样点相邻距离相等。
5.一种深度学习模型的训练方法,包括:
获取训练样本,所述训练样本包括样本数据和样本标签,所述样本数据包括样本预设视角射线中的样本采样点、与所述样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,所述样本预设视角射线为基于样本预设位置沿着所述样本预设视角方向辐射的射线,所述样本预设视角方向为从所述样本预设位置朝向所述样本目标对象的方向,所述样本标签包括与所述样本预设视角方向对应的标签图像,所述标签图像与所述样本目标对象相关;
将所述样本采样点和所述样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与所述样本目标对象相关的样本初始对象表面特征;
将所述样本描述文本和所述初始对象表面特征输入至所述深度学习模型的图像生成网络,输出样本图像;以及
根据所述样本图像和所述标签图像训练所述深度学习模型,得到训练后的深度学习模型。
6.根据权利要求5所述的方法,其中,所述深度学习模型还包括三维图像生成网络,所述样本标签还包括与所述样本目标对象相关的标签三维图像;
所述训练方法还包括:
将所述样本初始对象表面特征输入至所述三维图像生成网络,输出样本三维图像。
7.根据权利要求6所述的方法,其中,所述根据所述样本图像和所述标签图像训练所述深度学习模型,得到训练后的深度学习模型包括:
根据所述样本图像和所述标签图像,得到第一损失值;
根据所述样本三维图像和所述标签三维图像,得到第二损失值;以及
根据所述第一损失值和所述第二损失值,训练所述深度学习模型,得到所述训练后的深度学习模型。
8.根据权利要求5所述的方法,其中,所述样本初始对象表面特征包括样本对象颜色特征;
其中,所述将所述样本采样点和所述样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与所述样本目标对象相关的样本初始对象表面特征包括:
将所述样本采样点和所述样本预设视角方向输入至所述对象表面特征检测网络的第一检测层,输出所述样本对象颜色特征,其中,所述第一检测层基于神经辐射场算法构建得到。
9.根据权利要求8所述的方法,其中,所述样本初始对象表面特征还包括样本对象反射属性特征;
其中,所述将所述样本采样点和所述样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与所述样本目标对象相关的样本初始对象表面特征还包括:
将所述样本采样点和所述样本预设视角方向输入至所述对象表面特征检测网络的第二检测层,输出所述样本对象反射属性特征,其中,所述第二检测层基于反射分布函数模型构建得到。
10.根据权利要求5所述的方法,其中,所述图像生成网络包括文本特征编码层、编码网络层和解码网络层;
其中,所述将所述样本描述文本和所述初始对象表面特征输入至所述深度学习模型的图像生成网络,输出样本图像包括:
将所述样本描述文本输入至所述文本特征编码层,得到样本描述文本特征;
将所述样本初始对象表面特征、噪音信息和所述样本描述文本特征输入至所述编码网络层,输出潜变量特征;以及
将所述潜变量特征输入至所述解码网络层,输出所述样本图像。
11.根据权利要求10所述的方法,其中,所述编码网络层包括N级基于卷积神经网络算法构建的第一特征融合子层,以及N级基于注意力网络算法构建的第二特征融合子层,N为大于1的整数;
其中,所述将所述样本初始对象表面特征、噪音信息和所述样本描述文本特征输入至所述编码网络层,输出潜变量特征包括:
将第n-1级融合特征输入至第n级所述第一特征融合子层,输出第n级中间融合特征;
将第n级所述中间融合特征和所述样本描述文本特征输入至第n级所述第二特征融合子层,输出第n级所述融合特征;以及
在n等于N的情况下,将第N级所述融合特征确定为所述潜变量特征,其中,N≥n>1,n为整数;
其中,第1级中间融合特征是通过将所述样本初始对象表面特征和所述噪音信息输入至第1级所述第一特征融合子层得到的,第1级融合特征是通过将第1级中间融合特征和所述样本描述文本特征输入至第1级所述第二特征融合子层得到的。
12.根据权利要求5所述的方法,其中,每个所述样本预设视角射线中包含有多个样本采样点,且每个所述样本预设视角射线中相邻的所述样本采样点之间的样本采样点相邻距离相等。
13.一种图像生成装置,包括:
对象表面特征确定模块,用于根据预设视角射线中的采样点,以及与所述预设视角射线对应的预设视角方向,确定与目标对象相关的对象表面特征,所述预设视角射线为基于预设位置沿着所述预设视角方向辐射的射线,所述预设视角方向为从所述预设位置朝向所述目标对象的方向;
目标图像生成模块,用于根据与所述目标对象相关的描述文本,以及所述对象表面特征,生成表征所述目标对象的目标图像;
其中,所述目标图像生成模块包括:
第一中间融合特征获得子单元,用于对第n-1级融合特征进行至少一次卷积,得到第n-1级中间融合特征,其中,N≥n>1,n为整数;
第一融合特征获得子单元,用于基于注意力网络算法融合第n-1级所述中间融合特征和所述描述文本特征,得到第n级所述融合特征;
目标融合特征确定子单元,用于在n等于N的情况下,将第N级所述融合特征确定为所述目标融合特征;以及
目标图像生成子单元,用于根据所述目标融合特征,生成所述目标图像;
其中,第1级所述融合特征是基于所述注意力网络算法,融合所述描述文本特征和所述对象表面特征后得到的,所述描述文本特征是对所述描述文本编码得到的。
14.根据权利要求13所述的装置,其中,所述对象表面特征包括对象颜色特征;
其中,所述对象表面特征确定模块包括:
对象颜色特征获得单元,用于基于神经辐射场算法处理所述采样点和所述预设视角方向,得到与所述目标对象相关的所述对象颜色特征。
15.根据权利要求14所述的装置,其中,所述对象表面特征还包括对象反射属性特征;
其中,所述对象表面特征确定模块还包括:
对象反射属性特征获得单元,用于根据反射分布函数模型处理所述采样点和所述预设视角方向,得到与所述目标对象相关的所述对象反射属性特征。
16.根据权利要求13所述的装置,其中,每个所述预设视角射线中包含有多个采样点,且每个所述预设视角射线中相邻的所述采样点之间的采样点相邻距离相等。
17.一种深度学习模型的训练装置,包括:
训练样本获取模块,用于获取训练样本,所述训练样本包括样本数据和样本标签,所述样本数据包括样本预设视角射线中的样本采样点、与所述样本预设视角射线对应的样本预设视角方向和与样本目标对象相关的样本描述文本,所述样本预设视角射线为基于样本预设位置沿着所述样本预设视角方向辐射的射线,所述样本预设视角方向为从所述样本预设位置朝向所述样本目标对象的方向,所述样本标签包括与所述样本预设视角方向对应的标签图像,所述标签图像与所述样本目标对象相关;
样本初始对象表面特征获得模块,用于将所述样本采样点和所述样本预设视角方向输入至深度学习模型的对象表面特征检测网络,输出与所述样本目标对象相关的样本初始对象表面特征;
样本图像获得模块,用于将所述样本描述文本和所述初始对象表面特征输入至所述深度学习模型的图像生成网络,输出样本图像;以及
训练模块,用于根据所述样本图像和所述标签图像训练所述深度学习模型,得到训练后的深度学习模型。
18.根据权利要求17所述的装置,其中,所述深度学习模型还包括三维图像生成网络,所述样本标签还包括与所述样本目标对象相关的标签三维图像;
所述训练装置还包括:
样本三维图像获得模块,用于将所述样本初始对象表面特征输入至所述三维图像生成网络,输出样本三维图像。
19.根据权利要求18所述的装置,其中,所述训练模块包括:
第一损失值获得单元,用于根据所述样本图像和所述标签图像,得到第一损失值;
第二损失值获得单元,用于根据所述样本三维图像和所述标签三维图像,得到第二损失值;以及
训练单元,用于根据所述第一损失值和所述第二损失值,训练所述深度学习模型,得到所述训练后的深度学习模型。
20.根据权利要求17所述的装置,其中,所述样本初始对象表面特征包括样本对象颜色特征;
其中,所述样本初始对象表面特征获得模块包括:
样本对象颜色特征获得单元,用于将所述样本采样点和所述样本预设视角方向输入至所述对象表面特征检测网络的第一检测层,输出所述样本对象颜色特征,其中,所述第一检测层基于神经辐射场算法构建得到。
21.根据权利要求20所述的装置,其中,所述样本初始对象表面特征还包括样本对象反射属性特征;
其中,所述样本初始对象表面特征获得模块还包括:
样本对象反射属性特征获得单元,用于将所述样本采样点和所述样本预设视角方向输入至所述对象表面特征检测网络的第二检测层,输出所述样本对象反射属性特征,其中,所述第二检测层基于反射分布函数模型构建得到。
22.根据权利要求17所述的装置,其中,所述图像生成网络包括文本特征编码层、编码网络层和解码网络层;
其中,所述样本图像获得模块包括:
样本描述文本特征获得单元,用于将所述样本描述文本输入至所述文本特征编码层,得到样本描述文本特征;
潜变量特征获得单元,用于将所述样本初始对象表面特征、噪音信息和所述样本描述文本特征输入至所述编码网络层,输出潜变量特征;以及
样本图像获得单元,用于将所述潜变量特征输入至所述解码网络层,输出所述样本图像。
23.根据权利要求22所述的装置,其中,所述编码网络层包括N级基于卷积神经网络算法构建的第一特征融合子层,以及N级基于注意力网络算法构建的第二特征融合子层,N为大于1的整数;
其中,所述潜变量特征获得单元包括:
中间融合特征获得子单元,用于将第n-1级融合特征输入至第n级所述第一特征融合子层,输出第n级中间融合特征;
融合特征获得子单元,用于将第n级所述中间融合特征和所述样本描述文本特征输入至第n级所述第二特征融合子层,输出第n级所述融合特征;以及
潜变量特征获得子单元,用于在n等于N的情况下,将第N级所述融合特征确定为所述潜变量特征,其中,N≥n>1,n为整数;
其中,第1级中间融合特征是通过将所述样本初始对象表面特征和所述噪音信息输入至第1级所述第一特征融合子层得到的,第1级融合特征是通过将第1级中间融合特征和所述样本描述文本特征输入至第1级所述第二特征融合子层得到的。
24.根据权利要求17所述的装置,其中,每个所述样本预设视角射线中包含有多个样本采样点,且每个所述样本预设视角射线中相邻的所述样本采样点之间的样本采样点相邻距离相等。
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至12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至12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,所述计算机程序在被处理器执行时实现根据权利要求1至12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310644996.9A CN116612204B (zh) | 2023-06-01 | 2023-06-01 | 图像生成方法、训练方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310644996.9A CN116612204B (zh) | 2023-06-01 | 2023-06-01 | 图像生成方法、训练方法、装置、电子设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116612204A CN116612204A (zh) | 2023-08-18 |
CN116612204B true CN116612204B (zh) | 2024-05-03 |
Family
ID=87674505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310644996.9A Active CN116612204B (zh) | 2023-06-01 | 2023-06-01 | 图像生成方法、训练方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116612204B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115306A (zh) * | 2023-08-30 | 2023-11-24 | 苏州畅行智驾汽车科技有限公司 | 一种图像生成方法、装置、电子设备及存储介质 |
CN117274491A (zh) * | 2023-09-22 | 2023-12-22 | 北京百度网讯科技有限公司 | 三维重建模型的训练方法、装置、设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549731A (zh) * | 2022-04-22 | 2022-05-27 | 清华大学 | 视角图像的生成方法、装置、电子设备及存储介质 |
CN114972632A (zh) * | 2022-04-21 | 2022-08-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 基于神经辐射场的图像处理方法及装置 |
CN114972246A (zh) * | 2022-05-24 | 2022-08-30 | 河海大学 | 一种基于深度学习的模切产品表面缺陷检测方法 |
CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
CN115100339A (zh) * | 2022-06-15 | 2022-09-23 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
CN115115754A (zh) * | 2022-06-16 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、可读存储介质及程序产品 |
CN115272575A (zh) * | 2022-07-28 | 2022-11-01 | 中国电信股份有限公司 | 图像生成方法及装置、存储介质和电子设备 |
WO2022257254A1 (zh) * | 2021-06-10 | 2022-12-15 | 腾讯云计算(北京)有限责任公司 | 图像数据处理方法、装置、设备以及介质 |
WO2023020005A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京百度网讯科技有限公司 | 神经网络模型的训练方法、图像检索方法、设备和介质 |
CN115880526A (zh) * | 2022-11-30 | 2023-03-31 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2023
- 2023-06-01 CN CN202310644996.9A patent/CN116612204B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022257254A1 (zh) * | 2021-06-10 | 2022-12-15 | 腾讯云计算(北京)有限责任公司 | 图像数据处理方法、装置、设备以及介质 |
WO2023020005A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京百度网讯科技有限公司 | 神经网络模型的训练方法、图像检索方法、设备和介质 |
CN114972632A (zh) * | 2022-04-21 | 2022-08-30 | 阿里巴巴达摩院(杭州)科技有限公司 | 基于神经辐射场的图像处理方法及装置 |
CN114549731A (zh) * | 2022-04-22 | 2022-05-27 | 清华大学 | 视角图像的生成方法、装置、电子设备及存储介质 |
CN114972246A (zh) * | 2022-05-24 | 2022-08-30 | 河海大学 | 一种基于深度学习的模切产品表面缺陷检测方法 |
CN115082639A (zh) * | 2022-06-15 | 2022-09-20 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
CN115100339A (zh) * | 2022-06-15 | 2022-09-23 | 北京百度网讯科技有限公司 | 图像生成方法、装置、电子设备和存储介质 |
CN115115754A (zh) * | 2022-06-16 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、可读存储介质及程序产品 |
CN115272575A (zh) * | 2022-07-28 | 2022-11-01 | 中国电信股份有限公司 | 图像生成方法及装置、存储介质和电子设备 |
CN115880526A (zh) * | 2022-11-30 | 2023-03-31 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116612204A (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116612204B (zh) | 图像生成方法、训练方法、装置、电子设备以及存储介质 | |
CN108629823B (zh) | 多视角图像的生成方法和装置 | |
CN115345980B (zh) | 个性化纹理贴图的生成方法及装置 | |
KR20210013150A (ko) | 조명 추정 | |
CN109800730B (zh) | 用于生成头像生成模型的方法和装置 | |
CN113393371B (zh) | 一种图像处理方法、装置及电子设备 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
JP2023531350A (ja) | サンプル画像を増分する方法、画像検出モデルの訓練方法及び画像検出方法 | |
CN114612600A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN115937546A (zh) | 图像匹配、三维图像重建方法、装置、电子设备以及介质 | |
CN114708374A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN113870399B (zh) | 表情驱动方法、装置、电子设备及存储介质 | |
CN114202648A (zh) | 文本图像矫正方法、训练方法、装置、电子设备以及介质 | |
CN113052962A (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN115147547B (zh) | 人体重建方法和装置 | |
CN114973333B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN108256477B (zh) | 一种用于检测人脸的方法和装置 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN113593046B (zh) | 全景切换方法、装置、电子设备和存储介质 | |
CN113421335B (zh) | 图像处理方法、图像处理装置、电子设备和存储介质 | |
CN114821116A (zh) | 图像的显著性区域提取方法、装置、设备以及存储介质 | |
CN113947146A (zh) | 样本数据生成方法、模型训练方法、图像检测方法及装置 | |
CN113989152A (zh) | 图像增强方法、装置、设备以及存储介质 | |
CN114820908B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114820686B (zh) | 抠图的方法、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 |