JP2022172377A - 画像生成方法、装置、電子機器及び記憶媒体 - Google Patents
画像生成方法、装置、電子機器及び記憶媒体 Download PDFInfo
- Publication number
- JP2022172377A JP2022172377A JP2022145137A JP2022145137A JP2022172377A JP 2022172377 A JP2022172377 A JP 2022172377A JP 2022145137 A JP2022145137 A JP 2022145137A JP 2022145137 A JP2022145137 A JP 2022145137A JP 2022172377 A JP2022172377 A JP 2022172377A
- Authority
- JP
- Japan
- Prior art keywords
- image
- target
- features
- initial
- fusion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 230000004927 fusion Effects 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000007499 fusion processing Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims 3
- 230000000694 effects Effects 0.000 abstract description 16
- 230000001815 facial effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000037237 body shape Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 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
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
-
- 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
- G06N3/08—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
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【解決手段】方法は、参照画像および処理対象画像を取得するステップと、参照画像からターゲット融合特徴を抽出するステップと、ターゲット融合特徴に基づいて、参照画像に対応する複数の深度特徴マップを決定するステップと、ターゲット融合特徴に基づいて、複数の深度特徴マップに対して融合処理を行って、ターゲット特徴マップを取得するステップと、ターゲット特徴マップに基づいて、処理対象画像を処理して、ターゲット画像を生成するステップと、を含む。
【効果】これにより、画像融合の計算量を効果的に削減することができ、計算能力の低い電子機器に効果的に適用可能であり、計算リソースを効果的に節約するとともに、画像生成効果を効果的に向上させることができる。
【選択図】図1
Description
本開示の実施例によれば、本開示は、コンピュータプログラムをさらに提供し、コンピュータプログラムはプロセッサによって実行される場合、本開示によって提供される画像生成方法が実現される。
602及び/又は通信ユニット609を介して、機器600にロード及び/又はインストールされてもよい。コンピュータプログラムがRAM 603にロードされ、計算ユニット601によって実行される場合、上述した画像生成方法の1つ又は複数のステップを実行することができる。選択的に、他の実施例では、計算ユニット601は、画像生成方法を実行するように他の任意の適切な形態(例えばファームウェアの助けを借りる)で構成されてもよい。
Claims (17)
- 参照画像および処理対象画像を取得するステップと、
前記参照画像からターゲット融合特徴を抽出するステップと、
前記ターゲット融合特徴に基づいて、前記参照画像に対応する複数の深度特徴マップを決定するステップと、
前記ターゲット融合特徴に基づいて、前記複数の深度特徴マップに対して融合処理を行って、ターゲット特徴マップを取得するステップと、
前記ターゲット特徴マップに基づいて、前記処理対象画像を処理して、ターゲット画像を生成するステップと、
を含む画像生成方法。 - 前記参照画像からターゲット融合特徴を抽出するステップが、
前記参照画像から融合対象特徴を抽出するステップと、
前記融合対象特徴をコーディングして、前記ターゲット融合特徴を取得するステップと、
を含む請求項1に記載の画像生成方法。 - 前記ターゲット融合特徴に基づいて、前記参照画像に対応する複数の深度特徴マップを決定するステップが、
前記ターゲット融合特徴に基づいて、予測畳み込みパラメータを決定するステップであって、前記予測畳み込みパラメータは、予測された初期深度畳み込みネットワークのネットワークパラメータであるステップと、
前記初期深度畳み込みネットワークの初期畳み込みパラメータを、前記予測畳み込みパラメータに調整して、ターゲット深度畳み込みネットワークを取得するステップと、
前記ターゲット深度畳み込みネットワークを使用して、前記参照画像から特徴マップを抽出して、複数の候補深度にそれぞれ対応する複数の深度特徴マップを取得するステップであって、前記複数の候補深度は、前記ターゲット融合特徴に基づいて決定されるステップと、
を含む請求項1に記載の画像生成方法。 - 前記ターゲット融合特徴に基づいて、前記複数の深度特徴マップに対して融合処理を行って、ターゲット特徴マップを取得するステップが、
前記ターゲット融合特徴に基づいて、予測畳み込みカーネルパラメータを決定するステップであって、前記予測畳み込みカーネルパラメータは、予測された初期ポイントワイズ畳み込みネットワークのネットワークパラメータであるステップと、
前記初期ポイントワイズ畳み込みネットワークの初期畳み込みカーネルパラメータを、前記予測畳み込みカーネルパラメータに調整して、ターゲットポイントワイズ畳み込みネットワークを取得するステップと、
前記ターゲットポイントワイズ畳み込みネットワークを使用して、前記複数の深度特徴マップに対して融合処理を行って、前記ターゲット特徴マップを取得するステップと、
を含む請求項3に記載の画像生成方法。 - 前記参照画像が、第1の背景領域画像および第1のオブジェクトの領域画像を含み、前記ターゲット融合特徴が、前記第1のオブジェクトの画像特徴を表現するために使用され、前記第1の背景領域画像が参照マスク特徴を有し、
前記ターゲット特徴マップに基づいて、前記処理対象画像を処理して、ターゲット画像を生成するステップが、
前記処理対象画像から、第2の背景領域画像と第2のオブジェクトの領域画像とを決定するステップであって、前記第2の背景領域画像は、初期マスク特徴を有するステップと、
前記参照マスク特徴に基づいて前記第2の背景領域画像の初期マスク特徴を調整して、ターゲット背景領域画像を取得するステップであって、前記ターゲット背景領域画像のマスク特徴は、調整された前記初期マスク特徴であり、前記参照マスク特徴と調整された前記初期マスク特徴の間で一致性条件が満たされているステップと、
前記ターゲット特徴マップを前記第2のオブジェクトの領域画像に融合して、合成対象画像を取得するステップと、
前記ターゲット背景領域画像と前記合成対象画像とに基づいて、前記ターゲット画像を合成するステップと、
を含む請求項1に記載の画像生成方法。 - 前記ターゲット特徴マップを前記第2のオブジェクトの領域画像に融合して、合成対象画像を取得するステップが、
前記ターゲット特徴マップを前記第2のオブジェクトの領域画像に融合して、融合対象画像を取得するステップと、
前記第1のオブジェクトの領域画像を、事前にトレーニングされたマスク予測モデルに入力して、前記マスク予測モデルから出力された前記第1のオブジェクトの予測マスク特徴を取得するステップと、
前記予測マスク特徴を前記融合対象画像に融合して、前記合成対象画像を取得するステップと、
を含む請求項5に記載の画像生成方法。 - 前記参照画像および処理対象画像を取得するステップが、
ソース画像及び初期画像を取得するステップであって、前記ソース画像が、第1のオブジェクトのソース領域画像を含み、前記初期画像が、第2のオブジェクトの初期領域画像を含むステップと、
第1の数のキーポイントに基づいて、前記ソース画像内の前記ソース領域画像と標準オブジェクト画像とに対してマルチポイントアライメント処理を行って、前記参照画像を取得するステップと、
第2の数のキーポイントに基づいて、前記初期画像内の前記初期領域画像と前記標準オブジェクト画像とに対してアライメント処理を行って、前記処理対象画像を取得するステップであって、前記第1の数が前記第2の数よりも大きいステップと、
を含む請求項1に記載の画像生成方法。 - 参照画像および処理対象画像を取得するための取得モジュールと、
前記参照画像からターゲット融合特徴を抽出するための抽出モジュールと、
前記ターゲット融合特徴に基づいて、前記参照画像に対応する複数の深度特徴マップを決定するための決定モジュールと、
前記ターゲット融合特徴に基づいて、前記複数の深度特徴マップに対して融合処理を行って、ターゲット特徴マップを取得するための第1の処理モジュールと、
前記ターゲット特徴マップに基づいて、前記処理対象画像を処理して、ターゲット画像を生成するための第2の処理モジュールと、
を備える画像生成装置。 - 前記抽出モジュールが、
前記参照画像から融合対象特徴を抽出し、
前記融合対象特徴をコーディングして、前記ターゲット融合特徴を取得する請求項8に記載の画像生成装置。 - 前記決定モジュールが、
前記ターゲット融合特徴に基づいて、予測畳み込みパラメータを決定し、前記予測畳み込みパラメータが、予測された初期深度畳み込みネットワークのネットワークパラメータであり、
前記初期深度畳み込みネットワークの初期畳み込みパラメータを、前記予測畳み込みパラメータに調整して、ターゲット深度畳み込みネットワークを取得し、
前記ターゲット深度畳み込みネットワークを使用して、前記参照画像から特徴マップを抽出して、複数の候補深度にそれぞれ対応する複数の深度特徴マップを取得し、前記複数の候補深度が、前記ターゲット融合特徴に基づいて決定される請求項8に記載の画像生成装置。 - 前記第1の処理モジュールが、
前記ターゲット融合特徴に基づいて、予測畳み込みカーネルパラメータを決定し、前記予測畳み込みカーネルパラメータが、予測された初期ポイントワイズ畳み込みネットワークのネットワークパラメータであり、
前記初期ポイントワイズ畳み込みネットワークの初期畳み込みカーネルパラメータを、前記予測畳み込みカーネルパラメータに調整して、ターゲットポイントワイズ畳み込みネットワークを取得し、
前記ターゲットポイントワイズ畳み込みネットワークを使用して、前記複数の深度特徴マップに対して融合処理を行って、前記ターゲット特徴マップを取得する請求項10に記載の画像生成装置。 - 前記参照画像は、第1の背景領域画像および第1のオブジェクトの領域画像を含み、前記ターゲット融合特徴は、前記第1のオブジェクトの画像特徴を表現するために使用され、前記第1の背景領域画像は参照マスク特徴を有し、
前記第2の処理モジュールが、
前記処理対象画像から、第2の背景領域画像と第2のオブジェクトの領域画像とを決定するための決定サブモジュールであって、前記第2の背景領域画像は、初期マスク特徴を有する決定サブモジュールと、
前記参照マスク特徴に基づいて前記第2の背景領域画像の初期マスク特徴を調整して、ターゲット背景領域画像を取得するための調整サブモジュールであって、前記ターゲット背景領域画像のマスク特徴は、調整された前記初期マスク特徴であり、前記参照マスク特徴と調整された前記初期マスク特徴の間で一致性条件が満たされている調整サブモジュールと、
前記ターゲット特徴マップを前記第2のオブジェクトの領域画像に融合して、合成対象画像を取得するための融合サブモジュールと、
前記ターゲット背景領域画像と前記合成対象画像とに基づいて、前記ターゲット画像を合成するための合成サブモジュールと、
を含む請求項8に記載の画像生成装置。 - 前記融合サブモジュールが、
前記ターゲット特徴マップを前記第2のオブジェクトの領域画像に融合して、融合対象画像を取得し、
前記第1のオブジェクトの領域画像を、事前にトレーニングされたマスク予測モデルに入力して、前記マスク予測モデルから出力された前記第1のオブジェクトの予測マスク特徴を取得し、
前記予測マスク特徴を前記融合対象画像に融合して、前記合成対象画像を取得する請求項12に記載の画像生成装置。 - 前記取得モジュールが、
ソース画像及び初期画像を取得し、前記ソース画像が第1のオブジェクトのソース領域画像を含み、前記初期画像が第2のオブジェクトの初期領域画像を含み、
第1の数のキーポイントに基づいて、前記ソース画像内の前記ソース領域画像と標準オブジェクト画像とに対してマルチポイントアライメント処理を行って、前記参照画像を取得し、
第2の数のキーポイントに基づいて、前記初期画像内の前記初期領域画像と前記標準オブジェクト画像とに対してアライメント処理を行って、前記処理対象画像を取得し、前記第1の数が前記第2の数よりも大きい請求項8に記載の画像生成装置。 - 少なくとも1つのプロセッサと、
該少なくとも1つのプロセッサと通信可能に接続されるメモリと、
を備え、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶されており、前記命令が、前記少なくとも1つのプロセッサが請求項1から7のいずれか一項に記載の画像生成方法を実行できるように、前記少なくとも1つのプロセッサによって実行される電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令が、コンピュータに請求項1から7のいずれか一項に記載の画像生成方法を実行させる非一時的なコンピュータ読み取り可能な記憶媒体。 - プロセッサによって実行される場合、請求項1から7のいずれか一項に記載の画像生成方法のステップが実現されるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111320636.0A CN114187624B (zh) | 2021-11-09 | 2021-11-09 | 图像生成方法、装置、电子设备及存储介质 |
CN202111320636.0 | 2021-11-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022172377A true JP2022172377A (ja) | 2022-11-15 |
JP7390454B2 JP7390454B2 (ja) | 2023-12-01 |
Family
ID=80540835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022145137A Active JP7390454B2 (ja) | 2021-11-09 | 2022-09-13 | 画像生成方法、装置、電子機器及び記憶媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230143452A1 (ja) |
JP (1) | JP7390454B2 (ja) |
CN (1) | CN114187624B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115640835A (zh) * | 2022-12-22 | 2023-01-24 | 阿里巴巴(中国)有限公司 | 深度学习网络结构的生成方法及装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359132B (zh) * | 2022-10-21 | 2023-03-24 | 小米汽车科技有限公司 | 用于车辆的相机标定方法、装置、电子设备及存储介质 |
CN115578264B (zh) * | 2022-11-25 | 2023-03-07 | 武汉图科智能科技有限公司 | 一种快速的高质量图像拼接方法、装置和系统 |
CN116597039B (zh) * | 2023-05-22 | 2023-12-26 | 阿里巴巴(中国)有限公司 | 图像生成的方法和服务器 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10572720B2 (en) | 2017-03-01 | 2020-02-25 | Sony Corporation | Virtual reality-based apparatus and method to generate a three dimensional (3D) human face model using image and depth data |
JP7353032B2 (ja) | 2018-11-15 | 2023-09-29 | 株式会社Preferred Networks | データ生成装置、データ生成方法及びプログラム |
CN109919888B (zh) | 2019-02-26 | 2023-09-19 | 腾讯科技(深圳)有限公司 | 一种图像融合的方法、模型训练的方法以及相关装置 |
CN111666976B (zh) * | 2020-05-08 | 2023-07-28 | 深圳力维智联技术有限公司 | 基于属性信息的特征融合方法、装置和存储介质 |
CN111861955A (zh) | 2020-06-22 | 2020-10-30 | 北京百度网讯科技有限公司 | 构建图像编辑模型的方法以及装置 |
CN111783603A (zh) * | 2020-06-24 | 2020-10-16 | 有半岛(北京)信息科技有限公司 | 生成对抗网络训练方法、图像换脸、视频换脸方法及装置 |
CN112734634B (zh) * | 2021-03-30 | 2021-07-27 | 中国科学院自动化研究所 | 换脸方法、装置、电子设备和存储介质 |
CN113221847A (zh) * | 2021-06-07 | 2021-08-06 | 广州虎牙科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113393371B (zh) * | 2021-06-28 | 2024-02-27 | 北京百度网讯科技有限公司 | 一种图像处理方法、装置及电子设备 |
-
2021
- 2021-11-09 CN CN202111320636.0A patent/CN114187624B/zh active Active
-
2022
- 2022-09-13 JP JP2022145137A patent/JP7390454B2/ja active Active
- 2022-11-08 US US17/982,832 patent/US20230143452A1/en not_active Abandoned
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115640835A (zh) * | 2022-12-22 | 2023-01-24 | 阿里巴巴(中国)有限公司 | 深度学习网络结构的生成方法及装置 |
CN115640835B (zh) * | 2022-12-22 | 2023-03-31 | 阿里巴巴(中国)有限公司 | 深度学习网络结构的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114187624A (zh) | 2022-03-15 |
CN114187624B (zh) | 2023-09-22 |
JP7390454B2 (ja) | 2023-12-01 |
US20230143452A1 (en) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7390454B2 (ja) | 画像生成方法、装置、電子機器及び記憶媒体 | |
CN109902767B (zh) | 模型训练方法、图像处理方法及装置、设备和介质 | |
JP7374274B2 (ja) | 虚像生成モデルのトレーニング方法および虚像生成方法 | |
JP7114774B2 (ja) | 顔融合モデルのトレーニング方法、装置及び電子機器 | |
JP2022177220A (ja) | テキスト認識モデルの訓練方法、テキスト認識方法及び装置 | |
US20210241498A1 (en) | Method and device for processing image, related electronic device and storage medium | |
CN111768425B (zh) | 图像处理方法、装置及设备 | |
US11836837B2 (en) | Video generation method, device and storage medium | |
JP7401606B2 (ja) | 仮想オブジェクトリップ駆動方法、モデル訓練方法、関連装置及び電子機器 | |
JP2024004444A (ja) | 3次元顔再構成モデルトレーニング、3次元顔イメージ生成方法及び装置 | |
US20230047748A1 (en) | Method of fusing image, and method of training image fusion model | |
JP2022172173A (ja) | 画像編集モデルのトレーニング方法および装置、画像編集方法および装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN116363261A (zh) | 图像编辑模型的训练方法、图像编辑方法和装置 | |
CN110619334A (zh) | 基于深度学习的人像分割方法、架构及相关装置 | |
CN113379877B (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
CN114972010A (zh) | 图像处理方法、装置、计算机设备、存储介质及程序产品 | |
CN114049290A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114399424A (zh) | 模型训练方法及相关设备 | |
CN113658035A (zh) | 脸部变换方法、装置、设备、存储介质以及产品 | |
CN113822114A (zh) | 一种图像处理方法、相关设备及计算机可读存储介质 | |
US20230115765A1 (en) | Method and apparatus of transferring image, and method and apparatus of training image transfer model | |
CN117011449A (zh) | 三维面部模型的重构方法和装置、存储介质及电子设备 | |
CN114187173A (zh) | 模型训练方法、图像处理方法及装置、电子设备、介质 | |
CN113781653A (zh) | 对象模型生成方法、装置、电子设备及存储介质 | |
CN111821688A (zh) | 虚拟现实游戏画面处理方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220913 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231031 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7390454 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |