CN116724314A - 生成式对抗网络操纵的图像效果 - Google Patents
生成式对抗网络操纵的图像效果 Download PDFInfo
- Publication number
- CN116724314A CN116724314A CN202180088229.3A CN202180088229A CN116724314A CN 116724314 A CN116724314 A CN 116724314A CN 202180088229 A CN202180088229 A CN 202180088229A CN 116724314 A CN116724314 A CN 116724314A
- Authority
- CN
- China
- Prior art keywords
- gan
- image
- neural network
- trimmed
- trained
- 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.)
- Pending
Links
- 230000000694 effects Effects 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000013528 artificial neural network Methods 0.000 claims abstract description 66
- 238000012549 training Methods 0.000 claims abstract description 21
- 230000008485 antagonism Effects 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 34
- 230000009466 transformation Effects 0.000 abstract description 40
- 238000009966 trimming Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 40
- 239000013598 vector Substances 0.000 description 35
- 230000004048 modification Effects 0.000 description 33
- 238000012986 modification Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 30
- 230000000007 visual effect Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 17
- 230000003190 augmentative effect Effects 0.000 description 14
- 210000000887 face Anatomy 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006855 networking Effects 0.000 description 7
- 238000000844 transformation Methods 0.000 description 7
- 230000001131 transforming effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000010079 rubber tapping Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 230000004266 retinal recognition Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- G06N3/094—Adversarial learning
-
- 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
- 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
- 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
- G06N3/047—Probabilistic or stochastic 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
- G06N3/0475—Generative 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G06N3/096—Transfer learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本文的系统和方法描述了用于使用生成式对抗网络生成修改图像的图像操纵系统。该图像操纵系统:访问预训练的生成式对抗网络(GAN);通过在次级图像域上训练该预训练的GAN的现有神经网络层的一部分以及该预训练的GAN的新添加的层来对该预训练的GAN进行微调;使用该预训练的GAN的权重来调整该经微调的GAN的权重;以及存储该经微调的GAN。图像变换系统使用所生成的修改图像来训练后续的神经网络,该神经网络可以从客户端设备访问脸部并且将该脸部变换至用于GAN微调的图像域。
Description
相关申请的交叉引用
本申请要求于2020年12月29日提交的美国临时申请序列第63/131,519号以及于2021年5月12日提交的美国专利申请序列第17/318,658号的优先权,上述美国临时申请和美国专利申请中的每一个通过引用整体并入本文。
技术领域
本文的实施方式总体上涉及生成式对抗网络。具体地但不限于,描述了生成式对抗网络操纵的图像效果的方法和系统。
背景技术
生成式对抗网络(GAN)是机器学习框架,在该机器学习框架中,两个神经网络——判别器网络和生成器网络在零和游戏中彼此竞争。给定训练数据集,经GAN训练的模型学习生成具有与该训练集相同的统计数据的新数据。
附图说明
在附图(其不一定按比例绘制)中,相同的附图标记可以在不同的视图中描述类似的部件。为了容易地标识对任何特定元素或动作的讨论,附图标记中的一个或多个最高位数字是指该元素被首次引入时所在的图号。一些非限制性示例在附图的图中示出,在附图中:
图1是根据一些示例的可以在其中部署本公开内容的联网环境的图解表示。
图2是根据一些示例的具有客户端侧功能和服务器侧功能两者的消息收发系统的图解表示。
图3是根据一些示例的如在数据库中维护的数据结构的图解表示。
图4是根据一些示例的消息的图解表示。
图5是根据一些示例的访问限制处理的流程图。
图6是根据一些示例实施方式的生成式对抗网络的图解表示。
图7是根据一些示例实施方式的图像操纵系统的框图。
图8是根据示例实施方式的用于对通用对抗网络进行微调的示例方法的流程图。
图9是根据一些示例的呈计算机系统形式的机器的图解表示,在该机器内可以执行一组指令以使该机器执行本文中讨论的方法中的任何一种或更多种方法。
图10是示出可以在其中实现示例的软件架构的框图。
具体实施方式
本文的实施方式描述了用于使用GAN生成修改图像的方法和系统。图像操纵系统可以包括预训练的GAN,该预训练的GAN接收随机噪声作为输入并且产生人脸的高质量人造图像作为输出。预训练的GAN由两个神经网络组成:生成器和判别器。判别器学习区分生成器的输出与真实图像(例如,真实人脸),而生成器学习防止判别器是准确的。因此,生成器学习如何生成与真实图像类似的高质量图像。
在一些实施方式中,图像操纵系统接收条件数据和随机噪声作为输入。例如,条件数据和随机噪声由生成器神经网络接收。条件数据向生成器提供附加信息,该附加信息使生成器基于条件数据生成图像。条件数据可以控制所生成的图像的参数。例如,条件数据可以控制输出图像的性别。条件数据可以以矢量表示的形式提供。预训练的GAN基于随机噪声产生风格矢量。该风格矢量决定图像的某些参数。在一些示例中,预训练的GAN基于随机噪声和条件数据产生风格矢量。
图像操纵系统根据另一组数据训练预训练的GAN,以生成经微调的GAN。在微调期间,图像操纵系统可以使一些神经网络层保持不变或者“冻结”。此外,在微调期间,图像操纵系统可以引入新的神经网络层,并且可以仅训练新的层。新的层的输出被添加至初始阶段中(例如,在预训练GAN时)训练的层的输出或权重。应当理解,新的层的输出和初始阶段中训练的层的输出或权重可以以任何合适的方式组合。在本文的描述中,新的层的输出被称为残差。
例如,图像操纵系统可以通过在次级图像域上训练预训练的GAN来对预训练的GAN进行微调。次级图像域可以是例如风格化的脸部图像(例如,卡通脸部图像或动画脸部图像)。在该示例中,图像操纵系统生成一对图像:使用预训练的GAN的一个人脸;以及使用经微调的GAN的另一风格化人脸。在一些示例中,图像操纵系统还包括第二神经网络,该第二神经网络被训练成将人脸变换为其风格化表示。
在一些示例中,在次级图像域上训练预训练的GAN之后,图像操纵系统对预训练的GAN的权重和经微调的GAN的权重进行内插。在一些示例中,图像操纵系统用经微调的GAN的权重来代替预训练的GAN的权重。
图像操纵系统可以对预训练的GAN进行微调以支持有条件的图像生成。有条件的图像生成使得图像操纵系统能够控制所生成的图像的参数。这些参数可以包括所生成的脸部的性别、戴眼镜的脸部等。在一些示例中,微调处理在预训练的GAN在其上被初始训练的相同图像域上完成。有条件的图像生成通过同时向GAN生成器和GAN判别器两者提供条件数据来实现。
条件数据可以通过基于该条件数据计算对生成器和判别器的层输出或层权重的残差而被提供至所述生成器和判别器。例如,可以通过计算对风格矢量的残差来将这样的数据提供给生成器。类似地,可以通过计算对判别器的权重的残差来将这样的数据提供给判别器。
例如,图像操纵系统可以基于条件数据计算风格矢量的第一残差数据。生成第一残差数据并且在微调处理期间使用该第一残差数据可以使得图像操纵系统能够控制所生成的图像的参数。
图像操纵系统可以计算预训练的GAN的权重的第二残差数据。图像操纵系统可以在微调处理期间使用第二残差数据以将条件数据并入至经微调的GAN中。例如,可以基于条件数据将第二残差数据添加至判别器神经网络的最后层。
图像操纵系统可以使用预训练的GAN和经微调的GAN来生成图像对。对于这样的对,图像操纵系统在不使用条件数据明确地控制所生成的图像的某些特征的情况下确保所述特征是相同的。在一些示例中,预训练的GAN生成器包括工作在不同空间分辨率上的变换块。所述块中的每一个受风格矢量的影响。在微调期间,图像操纵系统可以学习风格矢量的变换、一个或更多个变换块或其任何合适的组合。
例如,图像操纵系统对风格矢量的变换进行训练。风格矢量的变换用于预训练的GAN的各种阶段。例如,风格矢量的变换可以用于预训练的GAN的生成器神经网络的各种阶段。在一些示例中,预训练的GAN的生成器神经网络包括工作在不同空间分辨率上的若干变换块。这些块中的每一个受风格矢量的影响。生成器神经网络的其他块可以使用原始风格矢量。图像操纵系统可以在微调期间冻结受变换的风格矢量影响的块。
在推断阶段(例如,其间图像操纵系统对风格矢量进行随机采样以生成图像的阶段)期间,图像操纵系统针对经微调的GAN生成器的块中的一些块或全部块使用原始风格矢量或者原始版本与经微调的版本之间的内插,而不管风格矢量残差是否被训练。在一些示例中,图像操纵系统仅应用经微调的GAN生成器的如上所述由其变换块学习的那些变化,而不应用或部分地应用通过风格矢量残差学习的变换。如果通过风格矢量残差累积的变换是不期望的,则选择性地应用原始风格矢量的使用使得针对由GAN生成器的原始版本和微调版本生成的两个图像通过变换修改的特征将保持相同或相似。这使得图像操纵系统能够将在微调处理期间学习的变化分解成由于风格矢量的变换而在每个空间分辨率上独立发生的那些变化以及由于在空间分辨率上对变换块进行训练而发生的那些变化,如上面描述的。图像操纵系统累积通过在一些或所有空间分辨率上变换风格矢量创建的组的不期望的变化,并且在推断阶段仅应用第二组变化。
虽然按照生成和变换人脸图像描述了图像操纵系统,但是应当理解,图像操纵系统可以用于生成和变换其他脸部图像例如动物脸部图像。
联网计算环境
图1是示出用于通过网络来交换数据(例如,消息和相关联的内容)的示例消息收发系统100的框图。消息收发系统100包括客户端设备102的多个实例,每个实例托管包括消息收发客户端104和其他应用106的若干应用。每个消息收发客户端104经由网络112(例如,因特网)通信地耦接至消息收发客户端104(例如,托管在相应的其他客户端设备102上)、消息收发服务器系统108和第三方服务器110的其他示例。消息收发客户端104还可以使用应用程序接口(API)与本地托管的应用106通信。
消息收发客户端104能够经由网络112与其他消息收发客户端104和消息收发服务器系统108通信并交换数据。在消息收发客户端104之间以及在消息收发客户端104与消息收发服务器系统108之间交换的数据包括功能(例如,激活功能的命令)以及有效载荷数据(例如,文本、音频、视频或其他多媒体数据)。
消息收发服务器系统108经由网络112向特定消息收发客户端104提供服务器侧功能。虽然消息收发系统100的某些功能在本文被描述为由消息收发客户端104或由消息收发服务器系统108执行,但是某些功能的位置是在消息收发客户端104内还是在消息收发服务器系统108内可以是设计选择。例如,在技术上可能优选的是,最初将某些技术和功能部署在消息收发服务器系统108内,但是后面将该技术和功能迁移至客户端设备102具有足够处理能力的消息收发客户端104。
消息收发服务器系统108支持向消息收发客户端104提供的各种服务和操作。这样的操作包括向消息收发客户端104发送数据、从消息收发客户端104接收数据以及对由消息收发客户端104生成的数据进行处理。作为示例,该数据可以包括消息内容、客户端设备信息、地理定位信息、媒体增强和叠加、消息内容持久性条件、社交网络信息以及实况事件信息。通过经由消息收发客户端104的用户界面(UI)可用的功能来激活和控制消息收发系统100内的数据交换。
现在具体地转至消息收发服务器系统108,应用程序接口(API)服务器116耦接至应用服务器114并且向应用服务器112提供编程接口。应用服务器114通信地耦接至数据库服务器120,数据库服务器120有助于对数据库126进行访问,数据库126存储与由应用服务器114处理的消息相关联的数据。类似地,web服务器128耦接至应用服务器114,并且向应用服务器114提供基于web的接口。为此,web服务器128通过超文本传输协议(HTTP)和若干其他相关协议来处理传入的网络请求。
应用程序接口(API)服务器116在客户端设备102与应用服务器114之间接收和发送消息数据(例如,命令和消息有效载荷)。具体地,应用程序接口(API)服务器116提供一组接口(例如,例程和协议),所述一组接口可以由消息收发客户端104调用或查询以激活应用服务器114的功能。应用程序接口(API)服务器116公开由应用服务器114所支持的各种功能,包括:账户注册;登录功能;经由应用服务器114从特定消息收发客户端104向另一消息收发客户端104发送消息,从消息收发客户端104向消息收发服务器118发送媒体文件(例如,图像或视频),以及供另一消息收发客户端104的可能访问;设置媒体数据的集合(例如,故事);检索客户端设备102的用户的好友列表;检索这样的集合;检索消息和内容;对实体图(例如,社交图)添加和删除实体(例如,好友);定位社交图内的好友;以及打开应用(例如,与消息收发客户端104有关的)事件。
应用服务器114托管多个服务器应用和子系统,包括例如消息收发服务器118、图像处理服务器122、社交网络服务器124以及图像操纵系统130。消息收发服务器118实现多个消息处理技术和功能,特别地涉及对从消息收发客户端104的多个实例接收的消息中包括的内容(例如,文本和多媒体内容)的聚合和其他处理。如将进一步详细描述的,来自多个源的文本和媒体内容可以被聚合成内容的集合(例如,被称为故事或图库)。然后,使这些集合对消息收发客户端104可用。鉴于对数据的其他处理器和存储器密集处理的硬件要求,也可以由消息收发服务器118在服务器侧执行这样的处理。
应用服务器114还包括图像处理服务器122,图像处理服务器122专用于通常针对从消息收发服务器118发送或在消息收发服务器118处接收的消息的有效载荷内的图像或视频执行各种图像处理操作。
社交网络服务器124支持各种社交联网功能和服务,并且使这些功能和服务可用于消息收发服务器118。为此,社交网络服务器124维护并访问数据库126内的实体图308(如图3所示)。社交网络服务器124所支持的功能和服务的示例包括标识消息收发系统100中与特定用户有关系或该特定用户正“关注”的其他用户,并且还包括标识特定用户的兴趣和其他实体。
返回到消息收发客户端104,外部资源(例如,应用106或小程序)的特征和功能经由消息收发客户端104的接口对用户可用。在该上下文中,“外部”是指应用106或小程序在消息收发客户端104外部的事实。外部资源通常由第三方提供,但也可以由消息收发客户端104的创建者或提供者提供。消息收发客户端104接收对启动或访问这样的外部资源的特征的选项的用户选择。外部资源可以是安装在客户端设备102上的应用106(例如,“本地app”)、或者托管在客户端设备102上或者位于客户端设备102的远端(例如,在第三方服务器110上)的应用的小规模版本(例如,“小程序”)。应用的小规模版本包括应用(例如,应用的全规模、原生版本)的特征和功能的子集,并且使用标记语言文档来实现。在一个示例中,应用的小规模版本(例如,“小程序”)是应用的基于web的标记语言版本,并且嵌入在消息收发客户端104中。除了使用标记语言文档(例如,.*ml文件)之外,小程序可以包括脚本语言(例如,.*js文件或.json文件)和样式表(例如,.*ss文件)。
响应于接收到对启动或访问外部资源的特征的选项的用户选择,消息收发客户端104确定选择的外部资源是基于web的外部资源还是本地安装的应用106。在一些情况下,本地安装在客户端设备102上的应用106可以独立于消息收发客户端104并且与消息收发客户端104分开启动,例如通过在客户端设备102的主页屏幕上选择与应用106对应的图标。可以经由消息收发客户端104启动或访问这样的应用的小规模版本,并且在一些示例中,小规模应用的各部分都不能在消息收发客户端104之外被访问或者小规模应用的有限的部分可以在消息收发客户端104之外被访问。可以通过消息收发客户端104例如从第三方服务器110接收与小规模应用相关联的标记语言文档并处理这样的文档来启动小规模应用。
响应于确定外部资源是本地安装的应用106,消息收发客户端104指示客户端设备102通过执行与外部资源对应的本地存储的代码来启动外部资源。响应于确定外部资源是基于web的资源,消息收发客户端104(例如)与第三方服务器110通信以获得与选择的外部资源对应的标记语言文档。消息收发客户端104然后处理获得的标记语言文档以在消息收发客户端104的用户界面内呈现基于web的外部资源。
消息收发客户端104可以向客户端设备102的用户或与这样的用户有关的其他用户(例如,“朋友”)通知在一个或更多个外部资源中发生的活动。例如,消息收发客户端104可以向消息收发客户端104中的对话(例如,聊天会话)中的参与者提供与一组用户中的一个或更多个成员当前或最近使用外部资源有关的通知。可以邀请一个或更多个用户加入活动的外部资源或者启动(在该组朋友中)最近使用过但当前不活动的外部资源。外部资源可以向对话中的各自使用相应的消息收发客户端104的参与者提供与一组用户中的一个或更多个成员将外部资源中的项、状态、状况或位置共享到聊天会话中的能力。共享项目可以是交互式聊天卡,聊天的成员可以利用该交互式聊天卡进行交互,例如,以启动对应的外部资源,查看外部资源内的特定信息,或将聊天的成员带到外部资源内的特定位置或状态。在给定的外部资源内,可以在消息收发客户端104上向用户发送响应消息。外部资源可以基于外部资源的当前上下文在响应中选择性地包括不同的媒体项。
消息收发客户端104可以向用户呈现可用外部资源(例如,应用106或小程序)的列表以启动或访问给定的外部资源。该列表可以呈现在上下文敏感菜单中。例如,表示不同的应用106(或小程序)的图标可以基于用户如何启动菜单(例如,从对话界面或从非对话界面)而变化。
系统架构
图2是示出根据一些示例的关于消息收发系统100的另外的细节的框图。具体地,消息收发系统100被示出为包括消息收发客户端104和应用服务器114。消息收发系统100包含多个子系统,这些子系统在客户端侧由消息收发客户端104支持并且在服务器侧由应用服务器114支持。这些子系统包括例如短暂定时器系统202、集合管理系统204、增强系统208、地图系统210、游戏系统212、外部资源系统214和/或图像操纵系统130。
短暂定时器系统202负责实施由消息收发客户端104和消息收发服务器118对内容进行的临时或限时访问。短暂定时器系统202并入了多个定时器,所述多个定时器基于与消息或消息的集合(例如,故事)相关联的持续时间和显示参数,选择性地实现经由消息收发客户端104访问(例如,用于呈现和显示)消息和相关联的内容。下面提供关于短暂定时器系统202的操作的另外的细节。
集合管理系统204负责管理媒体的集或集合(例如,文本、图像视频和音频数据的集合)。可以将内容(例如,消息,包括图像、视频、文本和音频)的集合组织成“事件图库”或“事件故事”。可以使这样的集合在指定时间段例如在与内容有关的事件的持续时间内可用。例如,可以使与音乐会有关的内容在该音乐会的持续时间内作为“故事”可用。集合管理系统204还可以负责向消息收发客户端104的用户界面发布提供存在特定集合的通知的图标。
此外,集合管理系统204包括使得集合管理者能够管理和策展特定内容集合的策展接口206。例如,策展接口206使得事件组织者能够策展与特定事件有关的内容的集合(例如,删除不适当的内容或冗余消息)。另外,集合管理系统204采用机器视觉(或图像识别技术)和内容规则来自动地策展内容集合。在某些示例中,可以为将用户生成的内容包括到集合中向用户支付补偿。在这样的情况下,集合管理系统204进行操作以自动地为使用用户的内容向这样的用户进行支付。
增强系统208提供使得用户能够增强(例如,注释或以其他方式修改或编辑)与消息相关联的媒体内容的各种功能。例如,增强系统208提供与生成和发布用于由消息收发系统100处理的消息的媒体叠加有关的功能。增强系统208基于客户端设备102的地理定位可操作地向消息收发客户端104提供媒体叠加或增强(例如,图像过滤器)。在另一示例中,增强系统208基于诸如例如客户端设备102的用户的社交网络信息的其他信息可操作地向消息收发客户端104提供媒体叠加。媒体叠加可以包括音频和视觉内容以及视觉效果。音频和视觉内容的示例包括图片、文本、徽标、动画和声音效果。视觉效果的示例包括颜色叠加。音频和视觉内容或视觉效果可以被应用于客户端设备102处的媒体内容项(例如,照片)。例如,媒体叠加可以包括可以叠加在由客户端设备102拍摄的照片之上的文本或图像。在另一示例中,媒体叠加包括定位标识叠加(例如,威尼斯海滩)、实况事件名称或商家名称叠加(例如,海滩咖啡馆)。在另一示例中,增强系统208使用客户端设备102的地理定位来标识包括客户端设备102的地理定位处的商家名称的媒体叠加。媒体叠加可以包括与商家相关联的其他标记。媒体叠加可以被存储在数据库126中并通过数据库服务器120访问。
在一些示例中,增强系统208提供基于用户的发布平台,该基于用户的发布平台使得用户能够选择地图上的地理定位,并且上传与选择的地理定位相关联的内容。用户还可以指定应当向其他用户提供特定媒体叠加的环境。增强系统208生成包括上传的内容的媒体叠加并且将上传的内容与选择的地理定位相关联。
在其他示例中,增强系统208提供基于商家的发布平台,该基于商家的发布平台使得商家能够经由竞价处理来选择与地理定位相关联的特定媒体叠加。例如,增强系统208将最高竞价商家的媒体叠加与对应地理定位相关联达预定义时间量。
地图系统210提供各种地理定位功能,并且支持由消息收发客户端104呈现基于地图的媒体内容和消息。例如,地图系统210使得能够在地图上显示(例如,存储在简档数据316中的)用户图标或形象化表示,以在地图上下文内指示用户的“朋友”的当前定位或过去定位以及由这样的朋友生成的媒体内容(例如,包括照片和视频的消息的集合)。例如,可以在消息收发客户端104的地图界面上将用户从特定地理定位发布到消息收发系统100的消息在地图的该特定定位的上下文内显示给特定用户的“朋友”。用户还可以经由消息收发客户端104与消息收发系统100的其他用户(例如,使用适当的状态形象化表示)共享他或她的定位和状态信息,其中,该定位和状态信息在消息收发客户端104的地图界面的上下文内被类似地显示给所选择的用户。
游戏系统212在消息收发客户端104的上下文内提供各种游戏功能。消息收发客户端104提供游戏界面,该游戏界面提供可用游戏的列表,该游戏可以由用户在消息收发客户端104的上下文内启动并与消息传递系统100的其他用户一起玩。消息系统100还使得特定用户能够通过从消息收发客户端104向其他用户发出邀请来邀请其他用户参与玩特定游戏。消息收发客户端104还支持游戏上下文内的语音消息收发和文本消息收发两者(例如,聊天),为游戏提供排行榜,还支持提供游戏内奖励(例如,钱币和物品)。
外部资源系统214为消息收发客户端104提供接口以与远程服务器(例如,第三方服务器110)通信以启动或访问外部资源(即,应用或小程序)。每个第三方服务器110托管例如基于标记语言(例如,HTML5)的应用或应用的小规模版本(例如,游戏应用、实用程序应用、支付应用或乘坐共享应用)。消息收发客户端104可以通过从与基于web的资源相关联的第三方服务器110访问HTML5文件来启动基于web的资源(例如,应用)。在某些示例中,利用由消息收发服务器118提供的软件开发工具包(SDK)以JavaScript对由第三方服务器110托管的应用进行编程。SDK包括应用程序接口(API),该API具有可以由基于web的应用调用或激活的功能。在某些示例中,消息收发服务器118包括JavaScript库,该JavaScript库提供对消息收发客户端104的某些用户数据的给定外部资源访问。HTML5被用作用于编程游戏的示例技术,但是可以使用基于其他技术编程的应用和资源。
为了将SDK的功能集成到基于web的资源中,SDK由第三方服务器110从消息收发服务器118下载,或者由第三方服务器110以其他方式接收。一旦被下载或接收,SDK就作为基于web的外部资源的应用代码的一部分被包括在内。然后,基于web的资源的代码可以调用或激活SDK的某些功能以将消息收发客户端104的特征集成到基于web的资源中。
存储在消息收发服务器118上的SDK有效地提供外部资源(例如,应用106或小程序)与消息收发客户端104之间的桥接。这为用户提供了与消息收发客户端104上的其他用户通信的无缝体验,同时还保留了消息收发客户端104的外观和感觉。为了桥接外部资源与消息收发客户端104之间的通信,在某些示例中,SDK有助于第三方服务器110与消息收发客户端104之间的通信。在某些示例中,在客户端设备102上运行的WebViewJavaScriptBridge在外部资源与消息收发客户端104之间建立两个单向通信信道。消息经由这些通信信道在外部资源与消息收发客户端104之间异步发送。每个SDK函数调用作为消息和回调发送。通过构造唯一的回调标识符并且发送具有该回调标识符的消息来实现每个SDK函数。
通过使用SDK,并非来自消息收发客户端104的所有信息都与第三方服务器110共享。SDK基于外部资源的需要来限制共享哪些信息。在某些示例中,每个第三方服务器110向消息收发服务器118提供与基于web的外部资源对应的HTML5文件。消息收发服务器118可以在消息收发客户端104中添加基于web的外部资源的视觉表示(诸如盒设计或其他图形)。一旦用户选择了视觉表示或通过消息收发客户端104的GUI指示消息收发客户端104访问基于web的外部资源的特征,消息收发客户端104获得HTML5文件并且对访问基于web的外部资源的特征所需的资源进行实例化。
消息收发客户端104呈现用于外部资源的图形用户界面(例如,登录页面或标题画面)。在呈现登录页面或标题画面期间、之前或之后,消息收发客户端104确定启动的外部资源是否先前已被授权访问消息收发客户端104的用户数据。响应于确定启动的外部资源先前已被授权访问消息收发客户端104的用户数据,消息收发客户端104呈现外部资源的另一图形用户界面,其包括外部资源的功能和特征。响应于确定启动的外部资源先前未被授权访问消息收发客户端104的用户数据,在显示外部资源的登录页面或标题画面的阈值时间段(例如,3秒)之后,消息收发客户端104向上滑动用于授权外部资源访问用户数据的菜单(例如,将菜单动画化为从画面底部浮现到画面中部或其他部分)。该菜单标识外部资源将被授权使用的用户数据的类型。响应于接收到对接受选项的用户选择,消息收发客户端104将外部资源添加至授权的外部资源的列表,并且使得外部资源能够访问来自消息收发客户端104的用户数据。在一些示例中,外部资源由消息收发客户端104根据OAuth 2框架授权访问用户数据。
消息收发客户端104基于被授权的外部资源的类型来控制与外部资源共享的用户数据的类型。例如,向包括全规模应用(例如,应用106)的外部资源提供对第一类型的用户数据(例如,具有或不具有不同形象化表示特性的用户的仅二维形象化表示)的访问。作为另一示例,向包括应用的小规模版本(例如,应用的基于web的版本)的外部资源提供对第二类型的用户数据(例如,支付信息、用户的二维形象化表示、用户的三维形象化标识、以及具有各种形象化表示特性的形象化表示)的访问。形象化表示特性包括定制形象化表示的外观和感觉(例如,不同姿势、面部特征、服装等)的不同方式。
图像操纵系统130使用生成式对抗网络生成一个或多个图像。在一些示例中,图像操纵系统130接收条件数据作为输入,该条件数据控制所生成的图像的参数。图像操纵系统130的一部分可以存在于消息收发客户端104上,并且图像操纵系统130的其他部分可以存在于应用服务器114上。在一些示例中,图像生成器神经网络驻留在消息收发客户端104上,并且图像判别器神经网络驻留在应用服务器114上。
数据架构
图3是示出根据某些示例的可以存储在消息收发服务器系统108的数据库126中的数据结构300的示意图。虽然数据库126的内容被示出为包括多个表,但是应当理解,可以以其他类型的数据结构来存储数据(例如,作为面向对象的数据库)。
数据库126包括存储在消息表302内的消息数据。对于任何特定的一条消息,该消息数据包括至少消息发送者数据、消息接收方(或接收者)数据和有效载荷。下面参照图4描述关于可以被包括在消息中并且被包括在存储在消息表302中的消息数据内的信息的另外的细节。
实体表306存储实体数据,并且(例如,参考地)链接至实体图308和简档数据316。针对其的记录被维护在实体表306内的实体可以包括个人、公司实体、组织、对象、地点、事件等。不管实体类型如何,消息收发服务器系统108存储关于其的数据的任何实体可以是识别的实体。每个实体设置有唯一标识符以及实体类型标识符(未示出)。
实体图308存储关于实体之间的关系和关联的信息。仅作为示例,这样的关系可以是社交的、职业的(例如,在共同的公司或组织工作)、基于兴趣的或基于活动的。
简档数据316存储关于特定实体的多种类型的简档数据。基于由特定实体指定的隐私设置,简档数据316可以被选择性地使用并呈现给消息收发系统100的其他用户。在实体是个人的情况下,简档数据316包括例如用户名、电话号码、地址、设置(例如,通知和隐私设置)以及用户选择的形象化表示(或这样的形象化表示的集合)。然后,特定用户可以将这些形象化表示中的一个或更多个选择性地包括在经由消息收发系统100传送的消息的内容内以及由消息收发客户端104向其他用户显示的地图界面上。形象化表示的集合可以包括“状态形象化表示”,其呈现用户可以选择在特定时间传达的状态或活动的图形表示。
在实体是团体的情况下,除了团体名称、成员以及针对相关团体的各种设置(例如,通知)之外,针对团体的简档数据316还可以类似地包括与团体相关联的一个或更多个形象化表示。
数据库126还在增强表310中存储增强数据,例如叠加或过滤器。增强数据与视频(视频的数据被存储在视频表304中)和图像(图像的数据被存储在图像表312中)相关联并且被应用于视频和图像。
在一个示例中,过滤器是在向接收方用户呈现期间被显示为叠加在图像或视频上的叠加。过滤器可以是各种类型,包括当发送用户正在编写消息时来自由消息收发客户端104呈现给发送用户的一组过滤器的用户选择的过滤器。其他类型的过滤器包括地理定位过滤器(也称为地理过滤器),其可以基于地理定位被呈现给发送用户。例如,可以基于由客户端设备102的全球定位系统(GPS)单元确定的地理定位信息,由消息收发客户端104在用户界面内呈现特定于附近或特殊定位的地理定位过滤器。
另一种类型的过滤器是数据过滤器,其可以由消息收发客户端104基于在消息创建处理期间由客户端设备102收集的其他输入或信息选择性地呈现给发送用户。数据过滤器的示例包括特定定位处的当前温度、发送用户行进的当前速度、客户端设备102的电池寿命或当前时间。
可以存储在图像表312内的其他增强数据包括增强现实内容项(例如,对应于应用透镜或增强现实体验)。增强现实内容项可以是可以添加至图像或视频的实时特殊效果和/或声音。
如上所述,增强数据包括增强现实内容项、叠加、图像变换、AR图像以及指代可以应用于图像数据(例如,视频或图像)的修改的类似术语。这包括实时修改,其在图像被使用客户端设备102的设备传感器(例如,一个或多个摄像装置)进行捕获时并且然后在修改的情况下在客户端设备102的屏幕上显示时对图像进行修改。这还包括对存储的内容(例如,图库中可以被修改的视频剪辑)的修改。例如,在访问多个增强现实内容项的客户端设备102中,用户可以将单个视频剪辑与多个增强现实内容项一起使用来查看不同的增强现实内容项将如何修改存储的剪辑。例如,通过针对同一内容选择不同的增强现实内容项,可以将应用不同伪随机运动模型的多个增强现实内容项应用于该同一内容。类似地,可以将实时视频捕获与示出的修改一起使用,以示出由客户端设备102的传感器当前正捕获的视频图像将如何修改捕获的数据。这样的数据可以仅显示在屏幕上而不存储在存储器中,或者由设备传感器捕获的内容可以在进行或不进行修改(或者两者)的情况下被记录并存储在存储器中。在一些系统中,预览特征可以同时显示不同的增强现实内容项将在显示器中的不同窗口内看起来如何。例如,这可以使得能够同时在显示器上查看具有不同伪随机动画的多个窗口。
因此,使用增强现实内容项的数据和各种系统或使用这些数据来修改内容的其他这样的变换系统可以涉及:视频帧中各对象(例如,面部、手、身体、猫、狗、表面、对象等)的检测,在这些对象离开视场、进入视场以及在视场四处移动时对这样的对象的跟踪,以及在跟踪这样的对象时对这样的对象的修改或变换。在各种示例中,可以使用用于实现这样的变换的不同方法。一些示例可以涉及生成一个或多个对象的三维网格模型,以及在视频内使用模型的变换和动画纹理来实现变换。在其他示例中,可以使用对对象上的点的跟踪来将图像或纹理(其可以是二维或三维的)放置在跟踪的位置处。在另外的示例中,可以使用对视频帧的神经网络分析来将图像、模型或纹理放置在内容(例如,图像或视频帧)中。因此,增强现实内容项既涉及用于在内容中创建变换的图像、模型和纹理,又涉及利用对象检测、跟踪和放置来实现这样的变换所需的附加建模和分析信息。
可以利用保存在任何种类的计算机化系统的存储器中的任何种类的视频数据(例如,视频流、视频文件等)来执行实时视频处理。例如,用户可以加载视频文件并将其保存在设备的存储器中,或者可以使用设备的传感器来生成视频流。另外,可以使用计算机动画模型来处理任何对象,例如人的面部和人体的部分、动物、或非生物(例如,椅子、汽车或其他对象)。
在一些示例中,当连同要变换的内容一起选择特定修改时,由计算设备标识要变换的元素,并且然后如果要变换的元素存在于视频的帧中,则检测并跟踪要变换的元素。根据修改请求来修改对象的元素,因此变换视频流的帧。对于不同种类的变换,可以通过不同的方法执行对视频流的帧的变换。例如,对于主要涉及改变对象的元素的形式的帧变换,计算对象的每个元素的特征点(例如,使用主动形状模型(Active Shape Model,ASM)或其他已知方法)。然后,针对对象的至少一个元素中的每一个生成基于特征点的网格。该网格被用于在视频流中跟踪对象的各元素的后续阶段。在跟踪处理中,所提及的针对每个元素的网格与每个元素的位置对准。然后,在网格上生成附加点。基于修改请求针对每个元素生成第一点的第一集合,并且基于第一点的集合和修改请求针对每个元素生成第二点的集合。然后,可以通过基于第一点的集合和第二点的集合以及网格修改对象的元素来对视频流的帧进行变换。在这样的方法中,也可以通过跟踪和修改背景来使修改的对象的背景改变或变形。
在一些示例中,可以通过计算对象的每个元素的特征点并基于计算的特征点生成网格来执行使用对象的元素改变对象的某些区域的变换。在网格上生成点,并且然后生成基于这些点的各种区域。然后,通过将每个元素的区域与至少一个元素中的每一个的位置对准来跟踪对象的元素,并且可以基于修改请求来修改区域的属性,因此对视频流的帧进行变换。取决于具体的修改请求,可以以不同的方式来变换提及的区域的属性。这样的修改可以涉及:改变区域的颜色;从视频流的帧中移除至少部分区域;将一个或更多个新对象包括在基于修改请求的区域中;以及对区域或对象的元素进行修改或使其变形。在各种示例中,可以使用这样的修改或其他类似修改的任何组合。对于要被动画化的某些模型,可以选择一些特征点作为控制点,以用于确定用于模型动画的选项的整个状态空间。
在使用面部检测来变换图像数据的计算机动画模型的一些示例中,利用特定面部检测算法(例如,Viola-Jones)在图像上检测面部。然后,将主动形状模型(ASM)算法应用于图像的面部区域以检测面部特征参考点。
可以使用适用于面部检测的其他方法和算法。例如,在一些示例中,使用界标来定位特征,界标表示在所考虑的大多数图像中存在的可区分点。例如,对于面部界标,可以使用左眼瞳孔的定位。如果初始界标不可标识(例如,如果人具有眼罩),则可以使用次级界标。这样的界标标识处理可以用于任何这样的对象。在一些示例中,一组界标形成形状。可以使用形状中的点的坐标将形状表示为矢量。利用使形状点之间的平均欧几里德距离最小化的相似变换(允许平移、缩放和旋转)将一个形状与另一形状对准。均值形状(meanshape)是经对准的训练形状的均值。
在一些示例中,从与由全局面部检测器确定的面部的位置和大小对准的均值形状开始搜索界标。然后,这样的搜索重复以下步骤:通过每个点周围的图像纹理的模板匹配对形状点的定位进行调整来建议暂定形状,并且然后使暂定形状符合全局形状模型,直至发生收敛。在一些系统中,单独的模板匹配是不可靠的,并且形状模型对弱模板匹配的结果进行池化,以形成较强的整体分类器。整个搜索从粗略分辨率到精细分辨率在图像金字塔的每一级处重复。
变换系统可以在客户端设备(例如,客户端设备102)上捕获图像或视频流,并且在客户端设备102上本地执行复杂的图像操纵,同时保持适当的用户体验、计算时间和功耗。复杂的图像操纵可以包括大小和形状改变、情感变换(例如,将面部从皱眉变为微笑)、状态变换(例如,使对象变老、减小表观年龄、改变性别)、风格变换、图形元素应用以及由已经被配置成在客户端设备102上高效地执行的卷积神经网络实现的任何其他合适的图像或视频操纵。
在一些示例中,用于变换图像数据的计算机动画模型可以由下述系统使用:在该系统中,用户可以使用具有作为在客户端设备102上操作的消息收发客户端104的一部分而操作的神经网络的客户端设备102来捕获用户的图像或视频流(例如,自拍)。在消息收发客户端104内操作的变换系统确定图像或视频流内的面部的存在,并且提供与计算机动画模型相关联的修改图标以变换数据图像,或者计算机动画模型可以与本文描述的界面相关联地存在。修改图标包括下述改变:该改变可以是作为修改操作的一部分的用于修改图像或视频流内的用户的面部的基础。一旦选择了修改图标,则变换系统发起转换用户的图像以反映所选择的修改图标(例如,为用户生成微笑面部)的处理。一旦图像或视频流被捕获并且指定的修改被选择,则经修改的图像或视频流可以呈现在客户端设备102上显示的图形用户界面中。变换系统可以在图像或视频流的一部分上实现复杂的卷积神经网络,以生成和应用选择的修改。也就是说,用户可以捕获图像或视频流并且一旦修改图标被选择,修改结果就可以实时或接近实时地呈现给用户。此外,当正在捕获视频流时,修改可以是持久的并且所选择的修改图标保持被切换。机器教导的神经网络可以用于实现这样的修改。
呈现由变换系统执行的修改的图形用户界面可以向用户提供附加的交互选项。这样的选项可以基于用于发起特定计算机动画模型的选择和内容捕获的界面(例如,从内容创建者用户界面发起)。在各种示例中,在对修改图标进行初始选择之后,修改可以是持久的。用户可以通过轻击或以其他方式选择正由变换系统修改的面部来开启或关闭修改,并将其存储以供稍后查看或浏览到成像应用的其他区域。在通过变换系统修改多个面部的情况下,用户可以通过轻击或选择图形用户界面内修改和显示的单个面部来全局地开启或关闭修改。在一些示例中,可以单独地修改一组多个面部中的各个面部,或者可以通过轻击或选择图形用户界面内显示的各个面部或一系列各个面部来单独切换这样的修改。
故事表314存储关于消息和相关联的图像、视频或音频数据的集合的数据,所述消息和相关联的图像、视频或音频数据被汇编成集合(例如,故事或图库)。特定集合的创建可以由特定用户(例如,针对其的记录被维护在实体表306中的每个用户)发起。用户可以以已由该用户创建和发送/广播的内容集合的形式创建“个人故事”。为此,消息收发客户端104的用户界面可以包括用户可选择的图标,以使得发送用户能够将特定内容添加至他或她的个人故事。
集合还可以构成“实况故事”,该“实况故事”是手动地、自动地或使用手动技术和自动技术的组合创建的来自多个用户的内容的集合。例如,“实况故事”可以构成来自不同位置和事件的用户提交的内容的策展流。可以例如经由消息收发客户端104的用户界面向其客户端设备启用了定位服务并且在特定时间处于共同定位事件处的用户呈现将内容贡献给特定实况故事的选项。可以由消息收发客户端104基于用户的定位向他或她标识实况故事。最终结果是从群体角度讲述的“实况故事”。
另一类型的内容集合被称为“定位故事”,该“定位故事”使得其客户端设备102位于特定地理定位(例如,在学院或大学校园)内的用户能够对特定集合做出贡献。在一些示例中,对定位故事的贡献可能需要二级认证来验证最终用户属于特定组织或其他实体(例如,是大学校园中的学生)。
如以上提及的,视频表304存储视频数据,在一个示例中,该视频数据与针对其的记录被维护在消息表302内的消息相关联。类似地,图像表312存储与其消息数据被存储在实体表306中的消息相关联的图像数据。实体表306可以将来自增强表310的各种增强与存储在图像表312和视频表304中的各种图像和视频相关联。
数据通信架构
图4是示出根据一些示例的消息400的结构的示意图,该消息400由消息收发客户端104生成,以传送至另外的消息收发客户端104或消息收发服务器118。特定消息400的内容被用于填充存储在可由消息收发服务器118访问的数据库126内的消息表302。类似地,消息400的内容作为客户端设备102或应用服务器114的“传输中(in-transit)”或“飞行中(in-flight)”数据存储在存储器中。消息400被示出为包括以下示例组成部分:
·消息标识符402:标识消息400的唯一标识符。
·消息文本有效载荷404:要由用户经由客户端设备102的用户界面生成并且包括在消息400中的文本。
·消息图像有效载荷406:由客户端设备102的摄像装置部件捕获或从客户端设备102的存储器部件检索并且包括在消息400中的图像数据。针对发送或接收的消息400的图像数据可以存储在图像表312中。
·消息视频有效载荷408:由摄像装置部件捕获或者从客户端设备102的存储器部件检索并且包括在消息400中的视频数据。针对发送或接收的消息400的视频数据可以存储在视频表304中。
·消息音频有效载荷410:由麦克风捕获或从客户端设备102的存储器部件检索并且包括在消息400中的音频数据。
·消息增强数据412:表示要应用于消息400的消息图像有效载荷406、消息视频有效载荷408或消息音频有效载荷410的增强的增强数据(例如,过滤器、标贴或其他注释或增强)。针对发送或接收的消息400的增强数据可以存储在增强表310中。
·消息持续时间参数414:以秒为单位指示消息的内容(例如,消息图像有效载荷406、消息视频有效载荷408、消息音频有效载荷410)要经由消息收发客户端104呈现给用户或使其对于用户可访问的时间量的参数值。
·消息地理定位参数416:与消息的内容有效载荷相关联的地理定位数据(例如,纬度坐标和经度坐标)。多个消息地理定位参数416值可以被包括在有效载荷中,这些参数值中的每一个与内容中包括的内容项(例如,消息图像有效载荷406内的特定图像或者消息视频有效载荷408中的特定视频)相关联。
·消息故事标识符418:标识与消息400的消息图像有效载荷406中的特定内容项相关联的一个或更多个内容集合(例如,在故事表314中标识的“故事”)的标识符值。例如,可以使用标识符值将消息图像有效载荷406内的多个图像各自与多个内容集合相关联。
·消息标签420:每个消息400可以用多个标签来标记,所述多个标签中的每一个指示消息有效载荷中包括的内容的主题。例如,在消息图像有效载荷406中包括的特定图像描绘动物(例如,狮子)的情况下,标签值可以被包括在指示相关动物的消息标签420内。标签值可以基于用户输入手动生成,或者可以使用例如图像识别自动生成。
·消息发送者标识符422:指示在其上生成消息400并且从其发送消息400的客户端设备102的用户的标识符(例如,消息收发系统标识符、电子邮件地址或设备标识符)。
·消息接收者标识符424:指示消息400寻址到的客户端设备102的用户的标识符(例如,消息收发系统标识符、电子邮件地址或设备标识符)。
消息400的各组成部分的内容(例如,值)可以是指向表中存储有内容数据值的位置的指针。例如,消息图像有效载荷406中的图像值可以是指向图像表312内的位置的指针(或地址)。类似地,消息视频有效载荷408内的值可以指向存储在视频表304内的数据,存储在消息增强412内的值可以指向存储在增强表310中的数据,存储在消息故事标识符418内的值可以指向存储在故事表314中的数据,并且存储在消息发送者标识符422和消息接收者标识符424内的值可以指向存储在实体表306内的用户记录。
基于时间的访问限制架构
图5是示出访问限制处理500的示意图,根据该访问限制处理,对内容(例如,短暂消息502和相关联的多媒体数据有效载荷)或内容集合(例如,短暂消息组504)的访问可以是时间受限的(例如,使得是短暂的)。
短暂消息502被示出为与消息持续时间参数506相关联,该消息持续时间参数506的值确定将通过消息收发客户端104向短暂消息502的接收用户显示短暂消息502的时间量。在一个示例中,取决于发送用户使用消息持续时间参数506指定的时间量,接收用户可查看短暂消息502长达最多10秒。
消息持续时间参数506和消息接收者标识符424被示出为消息定时器510的输入,该消息定时器510负责确定向由消息接收者标识符424标识的特定接收用户示出短暂消息502的时间量。特别地,仅在由消息持续时间参数506的值确定的时间段内向相关接收用户示出短暂消息502。消息定时器510被示出为向更一般化的短暂定时器系统202提供输出,该短暂定时器系统202负责向接收用户显示内容(例如,短暂消息502)的总体定时。
短暂消息502在图5中被示出为被包括在短暂消息组504(例如,个人故事或事件故事中的消息的集合)内。短暂消息组504具有相关联的组持续时间参数508,该组持续时间参数508的值确定短暂消息组504被呈现并可由消息收发系统100的用户访问的持续时间。例如,组持续时间参数508可以是音乐会的持续时间,其中短暂消息组504是关于该音乐会的内容的集合。替选地,当执行短暂消息组504的设置和创建时,用户(拥有用户或策展者用户)可以指定组持续时间参数508的值。
另外,短暂消息组504内的每个短暂消息502具有相关联的组参与参数512,该组参与参数512的值确定在短暂消息组504的上下文内可访问短暂消息502的持续时间。因此,在短暂消息组504本身根据组持续时间参数508到期之前,特定的短暂消息组504可以在短暂消息组504的上下文中“到期”并且变得不可访问。组持续时间参数508、组参与参数512和消息接收者标识符424各自向组定时器514提供输入,该组定时器514可操作地首先确定短暂消息组504中的特定短暂消息502是否将被显示给特定接收用户,并且如果为是,则确定显示多长时间。注意,由于消息接收者标识符424,短暂消息组504也知道特定接收用户的身份。
因此,组定时器514可操作地控制相关联的短暂消息组504以及短暂消息组504中包括的单独的短暂消息502的总使用期限。在一个示例中,短暂消息组504内的每个短暂消息502在由组持续时间参数508指定的时间段内保持可查看和可访问。在另一示例中,在短暂消息组504的上下文内,某个短暂消息502可以基于组参与参数512而到期。注意,即使在短暂消息组504的上下文内,消息持续时间参数506也仍然可以确定向接收用户显示特定短暂消息502的持续时间。因此,消息持续时间参数506确定向接收用户显示特定短暂消息502的持续时间,而不管接收用户是在短暂消息组504的上下文之内还是之外查看该短暂消息502。
短暂定时器系统202还可以基于确定已经超过相关联的组参与参数512而从短暂消息组504中可操作地移除特定短暂消息502。例如,在发送用户已经建立了从发布起24小时的组参与参数512的情况下,短暂定时器系统202将在指定的24小时之后从短暂消息组504中移除相关的短暂消息502。短暂定时器系统202还进行操作以在针对短暂消息组504内的每个短暂消息502的组参与参数512已经到期时,或者在短暂消息组504本身根据组持续时间参数508已经到期时,移除短暂消息组504。
在某些使用情况下,特定短暂消息组504的创建者可以指定无期限的组持续时间参数508。在这种情况下,针对短暂消息组504内最后剩余的短暂消息502的组参与参数512的到期将确定短暂消息组504本身何时到期。在这种情况下,添加至短暂消息组504的具有新的组参与参数512的新的短暂消息502有效地将短暂消息组504的寿命延长到等于组参与参数512的值。
响应于短暂定时器系统202确定短暂消息组504已经到期(例如,不再是可访问的),短暂定时器系统202与消息收发系统100(并且例如特别是消息收发客户端104)通信,以使与相关短暂消息组504相关联的标记(例如,图标)不再显示在消息收发客户端104的用户界面内。类似地,当短暂定时器系统202确定针对特定短暂消息502的消息持续时间参数506已经到期时,短暂定时器系统202使消息收发客户端104不再显示与短暂消息502相关联的标记(例如,图标或文本标识)。
生成式对抗网络架构
图6是根据一些示例的生成式对抗网络架构的图示。在一些示例中,图像操纵系统130包括GAN。生成器604和判别器610是神经网络。生成器604和判别器610可以各自可以是任何类型的人工神经网络(例如,卷积神经网络)。生成器610的输出是直接链接作为判别器610的输入的假数据608。使用反向传播,判别器610的分类提供生成器604用于更新其权重的信号。
判别器610是试图将真实数据(例如,真实图像602)与人工数据(例如,由生成器创建的假数据608)进行区分的分类器。使用下述两个数据源来训练判别器610:真实数据606和假数据608。真实数据606可以包括真实人脸,而假数据608可以包括人造人脸。假数据608是由生成器生成的数据。在判别器610的训练期间,判别器610对真实数据606和假数据608进行分类。判别器损失612考虑到判别器610将真实数据606误分类为假数据,而将假数据608误分类为真实的。判别器610使用判别器损失612通过反向传播来更新其权重(例如,神经网络层的权重)。
生成器604是基于来自判别器的反馈生成假数据608的神经网络。生成器604学习以使判别器610将假数据608分类为真实的。生成器604将随机噪声616作为输入,并且将随机噪声616转变成有意义的输出数据。生成器损失614考虑到生成器604产生判别器610分类为假的假数据608。生成器604使用生成器损失614通过经由判别器610和生成器604的反向传播来更新其权重。
图像操纵系统
图7是根据一些示例实施方式的图像操纵系统130的框图。图像操纵系统130被示出为包括GAN子系统702、图像变换子系统704和显示子系统706。
GAN子系统702可以包括如上面结合图6描述的生成式对抗网络。例如,GAN子系统702包括预训练的GAN,该预训练的GAN接收随机噪声616作为输入并且生成人脸图像。在一些示例中,如上所述,图像操纵系统130对预训练的GAN进行微调以生成经微调的GAN。
在微调期间,图像操纵系统130可以使一些神经网络层保持不变或者“冻结”。在微调阶段,图像操纵系统130可以引入新的神经网络层,并且可以仅训练新的层。新的层的输出被添加至初始阶段中训练的层的输出或权重。初始阶段训练的层的权重与新的层的权重之间的差可以被称为残差。
例如,图像操纵系统130可以通过在次级图像域上训练预训练的GAN来对预训练的GAN进行微调。次级图像域可以是例如风格化的脸部图像(例如,卡通脸部图像或动画脸部图像)。因此,图像操纵系统130可以生成一对图像:一个人脸以及另一风格化人脸。在一些示例中,图像操纵系统130还可以包括第二神经网络,该第二神经网络被训练成将人脸变换为其风格化表示。例如,第二神经网络可以是图像变换模块712。
在一些示例中,在次级图像域上训练预训练的GAN之后,图像操纵系统130可以对预训练的GAN的权重和经微调的GAN的权重进行内插。在一些示例中,图像操纵系统130用经微调的GAN的权重来代替预训练的GAN的权重。
图像操纵系统130可以基于条件数据计算风格矢量的第一残差数据。第一残差数据可以在微调处理期间用于更新预训练的GAN。生成残差并且在微调处理期间使用残该差可以使得图像操纵系统130能够控制所生成的图像的参数。这些参数可以包括所生成的脸部的性别、戴眼镜的脸部等。
图像操纵系统130可以计算预训练的GAN的权重的第二残差数据。图像操纵系统可以在微调处理期间使用第二残差数据以将条件数据并入至预训练的GAN中。例如,可以基于条件数据将第二残差数据添加至判别器神经网络的最后层。
图像操纵系统130可以使用预训练的GAN和经微调的GAN来生成图像对。对于这样的对,图像操纵系统130可以确保所生成的图像的某些特征是相同的。在一些示例中,图像操纵系统130可以在不使用条件数据的情况下控制所生成的一个或多个图像的参数。图像操纵系统130可以对风格矢量的变换进行训练。风格矢量的变换可以用于预训练的GAN的各种阶段。例如,风格矢量的变换可以用于预训练的GAN的生成器神经网络的各种阶段。在一些示例中,预训练的GAN的生成器神经网络包括工作在不同空间分辨率上的若干变换块。这些块中的每一个受风格矢量的影响。生成器神经网络的其他块可以使用原始风格矢量。图像操纵系统130可以在微调期间冻结受变换的风格矢量影响的块。
在推断阶段(例如,其间图像操纵系统130对风格矢量进行随机采样以生成图像的阶段)期间,图像操纵系统针对所有块使用原始风格矢量。这使得图像操纵系统130能够将在微调处理期间学习的变化分解成由于风格矢量的变换而发生的那些变化以及由于对变换块进行训练而发生的变化,如上面描述的。图像操纵系统130累积通过变换风格矢量创建的组的不期望的变化,并且在推断阶段仅应用第二组变化。因此,通过变换风格矢量修改的特征保持不变。
图像变换子系统704包括机器学习模型,该机器学习模型被训练成将人脸变换为其风格化表示。例如,图像变换子系统704从客户端设备接收包括人的图像作为输入,并且生成该脸部的风格化表示。在一些示例中,图像变换子系统704使用由经微调的GAN生成的一对图像来生成输入图像的风格化图像。
显示子系统706使风格化的图像呈现在客户端设备的图形用户界面上。在一些示例中,显示子系统706将风格化的图像呈现为增强现实内容项。
图8是根据示例实施方式的用于对通用对抗网络进行微调的示例方法。方法800可以由图1中的图像操纵系统130执行。在一个实施方式中,在图像操纵系统130中包括的处理器(或专用于执行所指示的任务的电路系统)执行方法800或者使图像操纵系统130执行方法900。
虽然所描述的流程图可以将操作示出为顺序处理,但是很多操作可以并行或同时执行。此外,可以重新布置操作的顺序。在其操作完成时处理终止。处理可以对应于方法、过程、算法等。方法的操作可以全部或部分地执行,可以与其他方法中的操作中的一些或全部结合执行,并且可以由任何数目的不同系统例如本文描述的系统或者其任何部分例如包括在系统中的任何系统中的处理器执行。
在操作802中,图像操纵系统130访问在初级图像域上训练的、预训练的生成式对抗网络(GAN)。例如,预训练的GAN可以由GAN子系统702访问。在一个示例中,预训练的GAN包括图像判别器神经网络(例如,判别器610)和图像生成器神经网络(例如,生成器604)。在一些示例中,预训练的GAN接收包括随机噪声(例如,随机噪声616)的输入数据。在操作804中,图像操纵系统130生成经微调的GAN。操作804包括子操作810、812和814。
在操作810中,图像操纵系统130识别经训练的GAN的输入数据。在一个示例中,输入数据包括一组操纵条件。该组操纵条件可以包括上面结合图7描述的条件数据。输入数据还可以包括来自次级域的图像数据集。在一个示例中,次级图像域不同于初级图像域。在一些示例中,初级图像域是人脸数据集,而次级图像域是风格化人脸(例如,卡通脸部、动画脸部)的数据集。
在操作812中,图像操纵系统130识别经微调的GAN的训练层。所识别的训练层可以不包括该经微调的GAN的至少一个层。例如,图像操纵系统130冻结预训练的GAN的一个或更多个层,并且仅训练其余的层。在一些示例中,所识别的训练层是新的层。例如,图像操纵系统130在微调处理期间生成附加神经网络层,并且在次级图像域上仅训练该附加层及其残差。
在操作814中,图像操纵系统130根据该输入数据训练所识别的层。在一些示例中,图像操纵系统130执行用于生成经微调的GAN的附加操作。例如,图像操纵系统130访问与该组操纵条件相关联的图像。图像操纵系统130使用判别器610(例如,图像判别器网络)的最后层的权重以及该组操纵条件(例如,条件数据)来识别第二残差数据。图像操纵系统130使用第二残差数据和所访问的图像来更新判别器610(例如,图像判别器神经网络)。
在操作806中,图像操纵系统130使用该经微调的GAN的神经网络层的权重来调整预训练的GAN的神经网络层的权重。在操作808中,图像操纵系统130通过一个或更多个处理器来存储经微调的GAN。
在操作808之后,图像操纵系统130可以从客户端设备访问包括脸部的图像。图像操纵系统130可以访问第二神经网络(例如,通过图像变换子系统704),该第二神经网络被训练成基于经微调的GAN来生成修改图像。例如,第二神经网络被训练成生成所访问的图像中包含的脸部的风格化表示。图像操纵系统130使用第二神经网络生成修改图像,并且使该修改图像呈现在客户端设备的图形用户界面上。在一些示例中,修改图像可以被呈现为增强现实内容项。
机器架构
图9是机器900的图解表示,在该机器900内可以执行用于使机器900执行本文讨论的方法中的任何一种或更多种方法的指令910(例如,软件、程序、应用、小程序、app或其他可执行代码)。例如,指令910可以使机器900执行本文描述的方法中的任何一种或更多种方法。指令910将通用的未经编程的机器900转换成被编程为以所描述的方式执行所描述和所示出的功能的特定机器900。机器900可以作为独立设备操作,或者可以耦接(例如,联网)至其他机器。在联网部署中,机器900可以在服务器-客户端网络环境中以服务器机器或客户端机器的身份进行操作,或者在对等(或分布式)网络环境中作为对等机器进行操作。机器900可以包括但不限于服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、机顶盒(STB)、个人数字助理(PDA)、娱乐媒体系统、蜂窝电话、智能电话、移动设备、可穿戴设备(例如,智能手表)、智能家居设备(例如,智能电器)、其他智能设备、web设备、网络路由器、网络交换机、网络桥接器或者能够顺序地或以其他方式执行指定要由机器900采取的动作的指令910的任何机器。此外,虽然仅示出了单个机器900,但是术语“机器”还应当被视为包括单独地或联合地执行指令910以执行本文讨论的方法中的任何一种或更多种方法的机器的集合。例如,机器900可以包括客户端设备102或者形成消息收发服务器系统108的一部分的多个服务器设备中的任何一个。在一些示例中,机器900还可以包括客户端系统和服务器系统两者,其中特定方法或算法的某些操作在服务器侧执行,并且所述特定方法或算法的某些操作在客户端侧执行。
机器900可以包括可以被配置成经由总线940彼此通信的处理器904、存储器906和输入/输出(I/O)部件902。在示例中,处理器904(例如,中央处理单元(CPU)、精简指令集计算(RISC)处理器、复杂指令集计算(CISC)处理器、图形处理单元(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、射频集成电路(RFIC)、另外的处理器或其任何合适的组合)可以包括例如执行指令910的处理器908和处理器912。术语“处理器”旨在包括多核处理器,所述多核处理器可以包括可以同时执行指令的两个或更多个独立处理器(有时被称为“核”)。虽然图9示出了多个处理器904,但是机器900可以包括具有单个核的单个处理器、具有多个核的单个处理器(例如,多核处理器)、具有单个核的多个处理器、具有多个核的多个处理器、或者其任何组合。
存储器906包括主存储器914、静态存储器916和存储单元918,均可由处理器904经由总线940访问。主存储器906、静态存储器916和存储单元918存储实施本文描述的方法或功能中的任何一个或更多个方法或功能的指令910。指令910还可以在其由机器900执行期间完全地或部分地驻留在主存储器914内、静态存储器916内、存储单元918内的机器可读介质920内、处理器904中的至少一个处理器内(例如,在处理器的高速缓存存储器内)或者其任何合适的组合内。
I/O部件902可以包括用于接收输入、提供输出、产生输出、发送信息、交换信息、捕获测量结果等的各种部件。特定机器中包括的特定I/O部件902将取决于机器的类型。例如,诸如移动电话的便携式机器可以包括触摸输入设备或其他这样的输入机构,而无头服务器机器将不太可能包括这样的触摸输入设备。应当理解,I/O部件902可以包括图9中未示出的许多其他部件。在各种示例中,I/O部件902可以包括用户输出部件926和用户输入部件928。用户输出部件926可以包括视觉部件(例如,诸如等离子显示面板(PDP)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪或阴极射线管(CRT)的显示器)、声学部件(例如,扬声器)、触觉部件(例如,振动马达、阻力机构)、其他信号生成器等。用户输入部件928可以包括字母数字输入部件(例如,键盘、被配置成接收字母数字输入的触摸屏、光学键盘或其他字母数字输入部件)、基于点的输入部件(例如,鼠标、触摸板、轨迹球、操纵杆、运动传感器或其他指向仪器)、触觉输入部件(例如,物理按钮、提供触摸或触摸姿势的位置和力的触摸屏或其他触觉输入部件)、音频输入部件(例如,麦克风)等。
在其他示例中,I/O部件902可以包括生物计量部件930、运动部件932、环境部件934或位置部件936以及广泛的一系列其他部件。例如,生物计量部件930包括用于检测表达(例如,手部表达、面部表达、声音表达、身体姿势或眼睛跟踪)、测量生物信号(例如,血压、心率、体温、出汗或脑波)、识别人(例如,声音识别、视网膜识别、面部识别、指纹识别或基于脑电图的识别)等的部件。运动部件932包括加速度传感器部件(例如,加速度计)、重力传感器部件、旋转传感器部件(例如,陀螺仪)。
环境部件934包括例如一个或更多个摄像装置(具有静止图像/照片和视频能力)、照明传感器部件(例如,光度计)、温度传感器部件(例如,检测环境温度的一个或更多个温度计)、湿度传感器部件、压力传感器部件(例如,气压计)、声学传感器部件(例如,检测背景噪声的一个或更多个麦克风)、接近传感器部件(例如,检测附近对象的红外传感器)、气体传感器(例如,用于出于安全而检测危险气体的浓度或用于测量大气中的污染物的气体检测传感器)或者可以提供与周围物理环境对应的指示、测量或信号的其他部件。
关于摄像装置,客户端设备102可以具有摄像装置系统,该摄像装置系统包括例如在客户端设备102的前表面上的前置摄像装置和客户端设备102的后表面上的后置摄像装置。前置摄像装置可以例如用于捕获客户端设备102的用户的静止图像和视频(例如,“自拍”),然后可以用上述增强数据(例如,过滤器)对该静止图像和视频进行增强。例如,后置摄像装置可以用于以更常规的摄像装置模式捕获静止图像和视频,这些图像类似地用增强数据进行增强。除了前置摄像装置和后置摄像装置之外,客户端设备102还可以包括用于捕获360°照片和视频的360°摄像装置。
此外,客户端设备102的摄像装置系统可以包括双后置摄像装置(例如,主摄像装置以及深度感测摄像装置),或者甚至在客户端设备102的前后侧上包括三重、四重或五重后置摄像装置配置。例如,这些多摄像装置系统可以包括广角摄像装置、超广角摄像装置、长焦摄像装置、微距摄像装置和深度传感器。
位置部件936包括定位传感器部件(例如,GPS接收器部件)、海拔传感器部件(例如,检测气压的高度计或气压计,根据气压可以得到海拔)、取向传感器部件(例如,磁力计)等。
可以使用各种技术来实现通信。I/O部件902还包括通信部件938,该通信部件938可操作以经由相应的耦接或连接将机器900耦接至网络922或设备924。例如,通信部件938可以包括与网络922接口的网络接口部件或另一合适的设备。在其他示例中,通信部件938可以包括有线通信部件、无线通信部件、蜂窝通信部件、近场通信(NFC)部件、部件(例如,/>低能耗)、/>部件、和用于经由其他形式提供通信的其他通信部件。设备924可以是另一机器或各种外围设备中的任何外围设备(例如,经由USB耦接的外围设备)。
此外,通信部件938可以检测标识符,或者包括可操作以检测标识符的部件。例如,通信部件938可以包括射频识别(RFID)标签阅读器部件、NFC智能标签检测部件、光学阅读器部件(例如,用于检测诸如通用产品码(UPC)条形码的一维条形码、诸如快速响应(QR)码的多维条形码、Aztec码、数据矩阵、数据符号(Dataglyph)、最大码(MaxiCode)、PDF417、超码(Ultra Code)、UCC RSS-2D条形码和其他光学码的光学传感器)或者声学检测部件(例如,用于识别标记的音频信号的麦克风)。另外,可以经由通信部件938得到各种信息,例如经由因特网协议(IP)地理定位得到定位、经由信号三角测量得到定位、经由检测可以指示特定定位的NFC信标信号得到定位等。
各种存储器(例如,主存储器914、静态存储器916以及处理器904的存储器)以及存储单元918可以存储由本文描述的方法或功能中的任何一个或更多个方法或功能实施或使用的一组或更多组指令和数据结构(例如,软件)。这些指令(例如,指令910)在由处理器904执行时使各种操作实现所公开的示例。
可以经由网络接口设备(例如,通信部件938中包括的网络接口部件)使用传输介质并且使用若干公知的传输协议中的任何一个传输协议(例如,超文本传输协议(HTTP))通过网络922来发送或接收指令910。类似地,可以使用传输介质经由与设备924的耦接(例如,对等耦接)来发送或接收指令910。
软件架构
图10是示出可以安装在本文描述的设备中的任何一个或更多个设备上的软件架构1004的框图1000。软件架构1004由硬件诸如包括处理器1020、存储器1026和I/O部件1038的机器1002支持。在该示例中,软件架构1004可以被概念化为层的堆栈,其中每个层提供特定功能。软件架构1004包括诸如操作系统1012、库1010、框架1008和应用1006的层。在操作上,应用1006通过软件堆栈来激活API调用1050,并且响应于API调用1050接收消息1052。
操作系统1012管理硬件资源并且提供公共服务。操作系统1012包括例如核1014、服务1016和驱动器1022。核1014充当硬件层与其他软件层之间的抽象层。例如,核1014提供存储器管理、处理器管理(例如,调度)、部件管理、联网和安全设置以及其他功能。服务1016可以为其他软件层提供其他公共服务。驱动器1022负责控制底层硬件或与底层硬件接口。例如,驱动器1022可以包括显示驱动器、摄像装置驱动器、或低功耗驱动器、闪存驱动器、串行通信驱动器(例如,USB驱动器)、驱动器、音频驱动器、电力管理驱动器等。
库1010提供由应用1006使用的公共低级基础设施。库1010可以包括系统库1018(例如,C标准库),该系统库1018提供诸如存储器分配功能、字符串操纵功能、数学功能等的功能。另外,库1010可以包括API库1024,例如媒体库(例如,用于支持各种媒体格式的呈现和操纵的库,所述各种媒体格式例如运动图像专家组-4(MPEG4)、高级视频编码(H.264或AVC)、运动图像专家组层-3(MP3)、高级音频编码(AAC)、自适应多速率(AMR)音频编解码器、联合图像专家组(JPEG或JPG)或便携式网络图形(PNG))、图形库(例如,用于在显示器上的图形内容中以二维(2D)和三维(3D)呈现的OpenGL框架)、数据库库(例如,提供各种关系数据库功能的SQLite)、web库(例如,提供web浏览功能的WebKit)等。库1010还可以包括各种其他库1028,以向应用1006提供许多其他API。
框架1008提供由应用1006使用的公共高级基础设施。例如,框架1008提供各种图形用户界面(GUI)功能、高级资源管理和高级定位服务。框架1008可以提供可以由应用1006使用的广泛的其他API,其中一些API可以特定于特定操作系统或平台。
在示例中,应用1006可以包括家庭应用1036、联系人应用1030、浏览器应用1032、书籍阅读器应用1034、定位应用1042、媒体应用1044、消息收发应用1046、游戏应用1048和诸如第三方应用1040的各种各样的其他应用。应用1006是执行程序中定义的功能的程序。可以采用各种编程语言来创建以各种方式构造的应用1006中的一个或更多个,所述编程语言例如面向对象的编程语言(例如,Objective-C、Java或C++)或过程编程语言(例如,C语言或汇编语言)。在特定示例中,第三方应用1040(例如,由特定平台的供应商以外的实体使用ANDROIDTM或IOSTM软件开发工具包(SDK)开发的应用)可以是在诸如IOSTM、ANDROIDTM、Phone的移动操作系统或另外的移动操作系统上运行的移动软件。在该示例中,第三方应用1040可以激活由操作系统1012提供的API调用1050以有助于本文描述的功能。
术语表
“载波信号”是指能够存储、编码或携载由机器执行的指令的任何无形介质并且包括数字或模拟通信信号或其他无形介质以有助于这样的指令的通信。可以经由网络接口设备使用传输介质通过网络发送或接收指令。
“客户端设备”是指与通信网络接口以从一个或更多个服务器系统或其他客户端设备获得资源的任何机器。客户端设备可以是但不限于移动电话、桌上型计算机、膝上型计算机、便携式数字助理(PDA)、智能电话、平板计算机、超级本、上网本、膝上型计算机、多处理器系统、基于微处理器或可编程消费电子产品、游戏控制台、机顶盒或用户可以用于访问网络的任何其他通信设备。
“通信网络”是指网络的一个或更多个部分,该网络可以是自组织网络、内联网、外联网、虚拟专用网络(VPN)、局域网(LAN)、无线LAN(WLAN)、广域网(WAN)、无线WAN(WWAN)、城域网(MAN)、因特网、因特网的一部分、公共交换电话网(PSTN)的一部分、普通老式电话服务(POTS)网络、蜂窝电话网络、无线网络、网络、另外类型的网络或者两个或更多个这样的网络的组合。例如,网络或网络的一部分可以包括无线网络或蜂窝网络,并且耦接可以是码分多址(CDMA)连接、全球移动通信系统(GSM)连接或其他类型的蜂窝或无线耦接。在该示例中,耦接可以实现各种类型的数据传输技术中的任何数据传输技术,例如单载波无线电传输技术(1xRTT)、演进数据优化(EVDO)技术、通用分组无线电服务(GPRS)技术、增强型数据速率GSM演进(EDGE)技术、包括3G的第三代合作伙伴计划(3GPP)、第四代无线(4G)网络、通用移动通信系统(UMTS)、高速分组接入(HSPA)、全球微波接入互操作性(WiMAX)、长期演进(LTE)标准、由各种标准设置组织定义的其他数据传输技术、其他长距离协议或其他数据传输技术。
“部件”是指具有以下边界的设备、物理实体或逻辑:所述边界由功能或子例程调用、分支点、API或对特定处理或控制功能提供分区或模块化的其他技术来定义。部件可以经由其接口与其他部件组合以执行机器处理。部件可以是被设计用于与其他部件一起使用的经封装的功能硬件单元并且可以是通常执行相关功能中的特定功能的程序的一部分。部件可以构成软件部件(例如,体现在机器可读介质上的代码)或硬件部件。“硬件部件”是能够执行某些操作的有形单元,并且可以以某种物理方式来配置或布置。在各种示例中,可以通过软件(例如,应用或应用部分)将一个或更多个计算机系统(例如,独立计算机系统、客户端计算机系统或服务器计算机系统)或者计算机系统的一个或更多个硬件部件(例如,处理器或处理器组)配置为进行操作以执行如本文中描述的某些操作的硬件部件。也可以机械地、电子地或以其任何合适的组合来实现硬件部件。例如,硬件部件可以包括被永久地配置成执行某些操作的专用电路系统或逻辑。硬件部件可以是专用处理器,例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)。硬件部件还可以包括通过软件临时配置成执行某些操作的可编程逻辑或电路系统。例如,硬件部件可以包括由通用处理器或其他可编程处理器执行的软件。一旦通过这样的软件被配置,则硬件部件成为被唯一地定制成执行所配置的功能的特定机器(或机器的特定部件)并且不再是通用处理器。应当认识到,可以出于成本和时间考虑来决定是机械地在专用且永久配置的电路系统中实现硬件部件还是在临时配置(例如,通过软件配置)的电路系统中实现硬件部件。因此,短语“硬件部件”(或“硬件实现的部件”)应当被理解成包含有形实体,即被物理构造、永久配置(例如,硬连线)或临时配置(例如,编程)成以某种方式操作或者执行本文中描述的某些操作的实体。考虑硬件部件被临时配置(例如,被编程)的示例,无需在任一时刻对硬件部件中的每个硬件部件进行配置或实例化。例如,在硬件部件包括通过软件配置而成为专用处理器的通用处理器的情况下,该通用处理器可以在不同时间处被配置为各自不同的专用处理器(例如,包括不同的硬件部件)。软件相应地配置特定的一个或多个处理器,以例如在一个时刻处构成特定硬件部件并且在不同的时刻处构成不同的硬件部件。硬件部件可以向其他硬件部件提供信息以及从其他硬件部件接收信息。因此,所描述的硬件部件可以被认为通信地耦接。在同时存在多个硬件部件的情况下,可以通过(例如,通过适当的电路和总线)在这些硬件部件中的两个或更多个硬件部件之间或之中进行信号传输来实现通信。在多个硬件部件在不同时间被配置或实例化的示例中,可以例如通过将信息存储在多个硬件部件可以访问的存储器结构中并且在存储器结构中检索信息来实现这样的硬件部件之间的通信。例如,一个硬件部件可以执行操作,并且将该操作的输出存储在与其通信地耦接的存储器设备中。然后,另外的硬件部件可以在随后的时间访问存储器设备,以检索所存储的输出并对其进行处理。硬件部件还可以发起与输入设备或输出设备的通信,并且可以对资源(例如,信息的集合)进行操作。在本文中描述的示例方法的各种操作可以至少部分地由临时地配置(例如,通过软件)或永久地配置成执行相关操作的一个或更多个处理器来执行。无论是被临时地配置还是永久地配置,这样的处理器可以构成进行操作以执行本文中描述的一个或更多个操作或功能的处理器实现的部件。如本文中使用的,“处理器实现的部件”是指使用一个或更多个处理器实现的硬件部件。类似地,在本文中描述的方法可以至少部分地由处理器实现,其中,特定的一个或多个处理器是硬件的示例。例如,方法的至少一些操作可以由一个或更多个处理器或者处理器实现的部件执行。此外,一个或更多个处理器还可以进行操作以支持“云计算”环境中的相关操作的执行或作为“软件即服务”(SaaS)操作。例如,操作中的至少一些操作可以由计算机组(作为包括处理器的机器的示例)执行,其中这些操作可经由网络(例如,因特网)并且经由一个或更多个适当的接口(例如,API)来访问。某些操作的执行可以分布在处理器之间,不仅驻留在单个机器内,而且跨多个机器部署。在一些示例中,处理器或处理器实现的部件可以位于单个地理定位中(例如,在家庭环境、办公室环境或服务器群内)。在其他示例中,处理器或处理器实现的部件可以跨多个地理定位分布。
“计算机可读存储介质”是指机器存储介质和传输介质两者。因此,这些术语包括存储设备/介质和载波/调制数据信号两者。术语“机器可读介质”、“计算机可读介质”和“设备可读介质”意指相同的事物并且可以在本公开内容中互换地使用。
“短暂消息”是指可以在时间有限的持续时间内访问的消息。短暂消息可以是文本、图像、视频等。短暂消息的访问时间可以由消息发送者设置。替选地,访问时间可以是默认设置或者由接收者指定的设置。无论设置技术如何,该消息都是暂时的。
“机器存储介质”是指存储可执行指令、例程和数据的单个或多个存储设备和介质(例如,集中式或分布式数据库,以及相关联的高速缓存和服务器)。因此,该术语应当被视为包括但不限于固态存储器以及光学和磁性介质,包括处理器内部或外部的存储器。机器存储介质、计算机存储介质和设备存储介质的具体示例包括:非易失性存储器,包括例如半导体存储器设备,例如可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、FPGA和闪存设备;磁盘,例如内部硬盘和可移除盘;磁光盘;以及CD-ROM和DVD-ROM盘。术语“机器存储介质”、“设备存储介质”、“计算机存储介质”意指相同的事物并且可以在本公开内容中互换地使用。术语“机器存储介质”、“计算机存储介质”和“设备存储介质”明确地排除了载波、调制数据信号和其他这样的介质,载波、调制数据信号和其他这样的介质中的至少一些被涵盖在术语“信号介质”中。
“非暂态计算机可读存储介质”是指能够存储、编码或携载由机器执行的指令的有形介质。
“信号介质”是指能够存储、编码或携载由机器执行的指令并且包括数字或模拟通信信号的任何无形介质或者有助于软件或数据的通信的其他无形介质。术语“信号介质”应当被视为包括任何形式的调制数据信号、载波等。术语“调制数据信号”意指其特性中的一个或更多个特性被以将信息编码在信号中的方式设置或改变的信号。术语“传输介质”和“信号介质”意指相同的事物并且可以在本公开内容中互换使用。
Claims (20)
1.一种方法,包括:
访问在初级图像域上训练的、预训练的生成式对抗网络(GAN);
通过执行操作来基于所述预训练的GAN生成经微调的GAN,所述操作包括:
识别所述经微调的GAN的输入数据,所述输入数据包括一组操纵条件和来自次级图像域的一组图像,所述次级图像域不同于所述初级图像域;
识别所述经微调的GAN的训练层;以及
基于所述输入数据来训练所述经微调的GAN的所识别的层;
使用所述经微调的GAN的神经网络层的权重来调整所述预训练的GAN的神经网络层的权重;以及
通过一个或更多个处理器来存储所述经微调的GAN。
2.根据权利要求1所述的方法,还包括:
从客户端设备访问包括脸部的图像;以及
访问第二神经网络,所述第二神经网络被训练成基于所述经微调的GAN来生成修改图像。
3.根据权利要求1所述的方法,其中,所识别的层是所述经微调的GAN的现有层。
4.根据权利要求1所述的方法,其中,所述预训练的GAN包括图像生成器神经网络和图像判别器神经网络。
5.根据权利要求1所述的方法,其中,所识别的层不包括所述经微调的GAN的至少一个层。
6.根据权利要求4所述的方法,其中,生成所述经微调的GAN还包括:
访问与所述一组操纵条件相关联的图像;以及
使用所述图像和第二残差数据来更新所述图像判别器神经网络,其中,所述第二残差数据基于所述图像判别器神经网络的最后层的权重以及所述一组操纵图像。
7.根据权利要求1所述的方法,其中,识别所述训练层还包括:
生成附加神经网络层;以及
在所述次级图像域上训练所述附加神经网络层以及残差数据。
8.一种系统,包括:
处理器;以及
存储器,所述存储器存储指令,所述指令在由所述处理器执行时将所述系统配置成执行操作,所述操作包括:
访问在初级图像域上训练的、预训练的生成式对抗网络(GAN);
通过执行操作来基于所述预训练的GAN生成经微调的GAN,所述操作包括:
识别所述经微调的GAN的输入数据,所述输入数据包括一组操纵条件和来自次级图像域的一组图像,所述次级图像域不同于所述初级图像域;
识别所述经微调的GAN的训练层;以及
基于所述输入数据来训练所述经微调的GAN的所识别的层;
使用所述经微调的GAN的神经网络层的权重来调整所述预训练的GAN的神经网络层的权重;以及
通过一个或更多个处理器来存储所述经微调的GAN。
9.根据权利要求8所述的系统,其中,所述操作还包括:
从客户端设备访问包括脸部的图像;以及
访问第二神经网络,所述第二神经网络被训练成基于所述经微调的GAN来生成修改图像。
10.根据权利要求9所述的系统,其中,所述操作还包括:
使得所述修改图像呈现在所述客户端设备的图形用户界面上。
11.根据权利要求8所述的系统,其中,所述预训练的GAN包括图像生成器神经网络和图像判别器神经网络。
12.根据权利要求8所述的系统,其中,所识别的层不包括所述经微调的GAN的至少一个层。
13.根据权利要求11所述的系统,其中,生成所述经微调的GAN还包括:
访问与所述一组操纵条件相关联的图像;以及
使用所述图像和第二残差数据来更新所述图像判别器神经网络,其中,所述第二残差数据基于所述图像判别器神经网络的最后层的权重以及所述一组操纵图像。
14.根据权利要求8所述的系统,其中,生成所述经微调的GAN还包括:
生成附加神经网络层;以及
在所述次级图像域上训练所述附加神经网络层以及残差数据。
15.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括指令,所述指令在由计算机执行时使所述计算机执行操作,所述操作包括:
访问在初级图像域上训练的、预训练的生成式对抗网络(GAN);
通过执行操作来基于所述预训练的GAN生成经微调的GAN,所述操作包括:
识别所述经微调的GAN的输入数据,所述输入数据包括一组操纵条件和来自次级图像域的一组图像,所述次级图像域不同于所述初级图像域;
识别所述经微调的GAN的训练层;以及
基于所述输入数据来训练所述经微调的GAN的所识别的层;
使用所述经微调的GAN的神经网络层的权重来调整所述预训练的GAN的神经网络层的权重;以及
通过一个或更多个处理器来存储所述经微调的GAN。
16.根据权利要求15所述的非暂态计算机可读存储介质,其中,所述操作还包括:
从客户端设备访问包括脸部的图像;以及
访问第二神经网络,所述第二神经网络被训练成基于所述经微调的GAN来生成修改图像。
17.根据权利要求16所述的非暂态计算机可读存储介质,其中,所述操作还包括:
使所述修改图像呈现在所述客户端设备的图形用户界面上。
18.根据权利要求15所述的非暂态计算机可读存储介质,其中,所述预训练的GAN包括图像生成器神经网络和图像判别器神经网络。
19.根据权利要求15所述的非暂态计算机可读存储介质,其中,所识别的层不包括所述经微调的GAN的至少一个层。
20.根据权利要求18所述的非暂态计算机可读存储介质,其中,生成所述经微调的GAN还包括:
访问与所述一组操纵条件相关联的图像;以及
使用所述图像和第二残差数据来更新所述图像判别器神经网络,其中,所述第二残差数据基于所述图像判别器神经网络的最后层的权重以及所述一组操纵图像。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063131519P | 2020-12-29 | 2020-12-29 | |
US63/131,519 | 2020-12-29 | ||
US17/318,658 US20220207355A1 (en) | 2020-12-29 | 2021-05-12 | Generative adversarial network manipulated image effects |
US17/318,658 | 2021-05-12 | ||
PCT/US2021/064180 WO2022146727A1 (en) | 2020-12-29 | 2021-12-17 | Generative adversarial network manipulated image effects |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116724314A true CN116724314A (zh) | 2023-09-08 |
Family
ID=82119237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180088229.3A Pending CN116724314A (zh) | 2020-12-29 | 2021-12-17 | 生成式对抗网络操纵的图像效果 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220207355A1 (zh) |
EP (1) | EP4272124A1 (zh) |
KR (1) | KR20230125818A (zh) |
CN (1) | CN116724314A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113223140A (zh) * | 2020-01-20 | 2021-08-06 | 杭州朝厚信息科技有限公司 | 利用人工神经网络生成牙科正畸治疗效果的图像的方法 |
US20230146676A1 (en) * | 2021-11-05 | 2023-05-11 | Lemon Inc. | Portrait stylization framework to control the similarity between stylized portraits and original photo |
US20240127563A1 (en) * | 2022-10-17 | 2024-04-18 | Snap Inc. | Stylizing a whole-body of a person |
-
2021
- 2021-05-12 US US17/318,658 patent/US20220207355A1/en active Pending
- 2021-12-17 CN CN202180088229.3A patent/CN116724314A/zh active Pending
- 2021-12-17 KR KR1020237025817A patent/KR20230125818A/ko unknown
- 2021-12-17 EP EP21844516.1A patent/EP4272124A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4272124A1 (en) | 2023-11-08 |
KR20230125818A (ko) | 2023-08-29 |
US20220207355A1 (en) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116601675A (zh) | 虚拟服装试穿 | |
CN115552403B (zh) | 用于媒体内容项的私人集合的邀请媒体覆盖物 | |
CN115777194B (zh) | 包括外部资源停靠栏和抽屉的消息收发系统 | |
CN115777113B (zh) | 用于重新展示内容项的消息系统 | |
CN116171566A (zh) | 上下文触发的增强现实 | |
CN116724314A (zh) | 生成式对抗网络操纵的图像效果 | |
CN116783575A (zh) | 媒体内容检测和管理 | |
CN116324898A (zh) | 在消息收发系统中提供基于ar的化妆 | |
CN116438788A (zh) | 媒体内容回放和评论管理 | |
CN116113991A (zh) | 用于关节动画的运动表示 | |
CN116250012A (zh) | 用于图像动画的方法、系统和计算机可读存储介质 | |
CN116134797A (zh) | 增强现实自动反应 | |
CN115885247A (zh) | 用于启动应用的视觉搜索 | |
CN116349215A (zh) | 利用微声音剪辑来聊天 | |
CN116235194A (zh) | 媒体内容传输和管理 | |
CN116529748A (zh) | 消息系统中基于ar的化妆产品集 | |
CN116194184A (zh) | 用于同步用户的图形标记生成系统 | |
CN117337430A (zh) | 消息系统内根据扫描操作的快捷方式 | |
CN117501675A (zh) | 呈现由消息应用从第三方资源接收的内容 | |
CN116964590A (zh) | 用平均平滑使图像到图像模型压缩 | |
CN116648895A (zh) | 用于捕获多个视频片段的摄像装置模式 | |
US11645324B2 (en) | Location-based timeline media content system | |
CN117597940A (zh) | 用于呈现适用于摄像装置的功能的用户界面 | |
CN116685981A (zh) | 压缩图像到图像模型 | |
CN117121461A (zh) | 用户存在指示数据管理 |
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 |