JP2023545189A - 画像処理方法、装置、及び電子機器 - Google Patents
画像処理方法、装置、及び電子機器 Download PDFInfo
- Publication number
- JP2023545189A JP2023545189A JP2023522881A JP2023522881A JP2023545189A JP 2023545189 A JP2023545189 A JP 2023545189A JP 2023522881 A JP2023522881 A JP 2023522881A JP 2023522881 A JP2023522881 A JP 2023522881A JP 2023545189 A JP2023545189 A JP 2023545189A
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- target
- feature
- clothing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 78
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims description 88
- 230000008569 process Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 29
- 230000009466 transformation Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000013140 knowledge distillation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
目標人物が含まれる第1画像と目標服装が含まれる第2画像とを取得するように構成される画像取得モジュール310と、第1画像の画像特徴と第2画像の画像特徴とに基づいて、目標服装が目標人物の人体に適応して生じた変形を表すことに用いられる目標外観フロー特徴を生成し、且つ目標外観フロー特徴に基づき、目標服装が人体に適応する変形後画像を生成するように構成される情報生成モジュール330と、変形後画像と第1画像との融合に基づいて仮想着せ替え画像を生成するように構成される仮想着せ替えモジュール350であって、仮想着せ替え画像において、目標人物は人体に適応する目標服装を着用している、仮想着せ替えモジュール350と、を含む。
第1画像を第1画像特徴抽出モデルの入力信号とし、且つ第2画像を第2画像特徴抽出モデルの入力信号として、第1画像特徴抽出モデル、及び第2画像特徴抽出モデルによってそれぞれ入力信号に対応する多層画像特徴を抽出するように構成される多層画像特徴取得ユニットと、第1画像特徴抽出モデル、及び第2画像特徴抽出モデルが出力した多層画像特徴に基づいて、外観フロー特徴の抽出を層毎に行い、最後の1つの画像特徴層に対して抽出を行って獲得した外観フロー特徴を目標外観フロー特徴とするように構成される外観フロー特徴抽出ユニットと、を含む。
1番目の画像特徴層に、第1画像特徴抽出モデル、及び第2画像特徴抽出モデルが出力した画像特徴に基づいて、目標服装が目標人物の人体に適応して生じた変形を表すことに用いられる外観フロー特徴を抽出するように構成される第1特徴抽出サブユニットと、1番目の画像特徴層の後の各画像特徴層に、第1画像特徴抽出モデル、及び第2画像特徴抽出モデルが出力した画像特徴に基づいて、1つ前の画像特徴層に対応する外観フロー特徴に対して最適化処理を行い、現在の画像特徴層に対応する外観フロー特徴を獲得するように構成される第2特徴抽出サブユニットと、を含む。
1つ前の画像特徴層に対応する外観フロー特徴に基づいてアップサンプリング処理を行ってアップサンプリング特徴を獲得し、アップサンプリング特徴に基づいて現在の画像特徴層に対応する第2画像の画像特徴に対して第1変形処理を行い、第1変形後特徴を獲得するように構成される第1変形処理サブユニットと、現在の画像特徴層に対応する第1画像の画像特徴に基づき、第1変形後特徴に対して校正処理を行い、且つ校正処理により獲得された校正後特徴に対して第1畳み込み計算を行い、第1畳み込み特徴を獲得するように構成される校正処理サブユニットと、第1畳み込み特徴とアップサンプリング特徴とを繋ぎ合わせて獲得した特徴に基づいて、現在の画像特徴層に対応する第2画像の画像特徴に対して第2変形処理を行い、第2変形後特徴を獲得するように構成される第2変形処理サブユニットと、第2変形後特徴に対して第2畳み込み計算を行い、且つ計算により獲得された第2畳み込み特徴と第1畳み込み特徴とを繋ぎ合わせて、現在の画像特徴層に対応する外観フロー特徴を獲得するように構成される外観フロー特徴取得サブユニットと、を含む。
第1画像特徴抽出モデル、及び第2画像特徴抽出モデルが出力した多層画像特徴に基づいて、外観フロー特徴の抽出を層毎に行う過程において、さらに、二次平滑拘束条件に基づいて外観フロー特徴の抽出を行うように構成される二次平滑拘束ユニットであって、二次平滑拘束条件は隣接する外観フローの間のリニア対応関係に対して予め設定された拘束条件である、二次平滑拘束ユニットをさらに含む。
仮想着せ替えティーチングアシスタントモデルを呼び出し、指定人物が含まれる人物画像に対応する人体解析結果、及び着せ替え対象の服装が含まれる第1服装画像を仮想着せ替えティーチングアシスタントモデルに入力して、仮想着せ替えティーチングアシスタントモデルが出力したティーチングアシスタント画像を獲得するように構成されるティーチングアシスタント画像取得モジュールであって、ティーチングアシスタント画像において指定人物は指定人物の人体に適応する着せ替え対象の服装を着用している、ティーチングアシスタント画像取得モジュールと、元の服装が含まれる第2服装画像、及びティーチングアシスタント画像を訓練対象の仮想着せ替え生徒モデルに入力して、訓練対象の仮想着せ替え生徒モデルが出力した生徒画像を獲得するように構成される生徒画像取得モジュールであって、生徒画像において指定人物はティーチングアシスタント画像における指定人物の人体に適応する元の服装を着用しており、元の服装は上記指定人物が人物画像において着用している服装である、生徒画像取得モジュールと、人物画像を教師画像とし、生徒画像と教師画像との間の画像損失情報に基づいて、訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うように構成されるパラメータ更新モジュールと、をさらに含む。
ティーチングアシスタント画像と生徒画像との間の画像品質差を取得し、もし画像品質差が正の値であれば、人物画像を教師画像とし、生徒画像と教師画像との間の画像損失情報に基づいて、訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うステップを実行するように構成される画像品質差取得モジュールをさらに含む。
仮想着せ替えティーチングアシスタントモデルにおける第2服装変形サブモデルを呼び出し、人体解析結果と第1服装画像の画像特徴とに基づいて、着せ替え対象の服装が指定人物の人体に適応する変形後画像を生成するように構成される第2服装変形サブモデル呼び出しユニットと、仮想着せ替えモデルにおける第2着せ替え生成サブモデルを呼び出し、第2服装変形サブモデルが出力した着せ替え対象の服装に対応する変形後画像と、人物画像における元の服装を着用している領域を除く他の画像領域との融合に基づいてティーチングアシスタント画像を生成するように構成される第2着せ替え生成サブモデル呼び出しユニットと、を含む。
仮想着せ替えモデルにおける第2着せ替え生成サブモデルを呼び出し、人体解析結果に基づいて、人物画像において含有される指定人物が元の服装を着用している領域をクリアし、それによって、人物画像における元の服装を着用している領域を除く他の画像領域を獲得するように構成される画像領域情報取得ユニットをさらに含む。
生徒画像の教師画像に対する画像損失値を取得するように構成される画像損失値取得ユニットであって、画像損失値は画素距離損失関数値、感知損失関数値、及び対抗損失関数値のうちの少なくとも一種を含む、画像損失値取得ユニットと、画像損失値に対して加算演算を行い、生徒画像の教師画像に対する画像損失和値を獲得するように構成される損失値加算ユニットと、画像損失和値を生徒画像と教師画像との間の画像損失情報として、訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うように構成されるモデルパラメータ更新ユニットと、を含む。
330 情報生成モジュール
1600 コンピュータシステム
1601 中央処理ユニット
1602 メモリ
1603 ランダムアクセスメモリ
1604 バス
1605 I/Oインタフェース
1606 入力部分
1607 出力部分
1608 記憶部分
1609 通信部分
1610 ドライバ
1611 媒体
Claims (16)
- コンピュータ機器により実行される、画像処理方法であって、前記方法は、
目標人物を含む第1画像と目標服装を含む第2画像とを取得するステップと、
前記第1画像の画像特徴と前記第2画像の画像特徴とに基づいて、前記目標服装が前記目標人物の人体に適応して生じた変形を表すことに用いられる目標外観フロー特徴を生成し、且つ前記目標外観フロー特徴に基づき、前記目標服装が前記人体に適応する変形後画像を生成するステップと、
前記変形後画像と前記第1画像との融合に基づいて仮想着せ替え画像を生成するステップであって、前記仮想着せ替え画像において、前記目標人物は前記人体に適応する目標服装を着用している、ステップと、を含む、画像処理方法。 - 前記第1画像の画像特徴と前記第2画像の画像特徴とに基づいて、前記目標服装が前記目標人物の人体に適応して生じた変形を表すことに用いられる目標外観フロー特徴を生成する前記ステップは、
前記第1画像を第1画像特徴抽出モデルの入力信号とし、且つ前記第2画像を第2画像特徴抽出モデルの入力信号として、前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルによってそれぞれ入力信号に対応する多層画像特徴を抽出するステップと、
前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した多層画像特徴に基づいて、外観フロー特徴の抽出を層毎に行い、最後の1つの画像特徴層に対して抽出を行って獲得した外観フロー特徴を前記目標外観フロー特徴とするステップと、を含む、請求項1に記載の方法。 - 前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した多層画像特徴に基づいて、外観フロー特徴の抽出を層毎に行う前記ステップは、
1番目の画像特徴層に、前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した画像特徴に基づいて、前記目標服装が前記目標人物の人体に適応して生じた変形を表すことに用いられる外観フロー特徴を抽出するステップと、
前記1番目の画像特徴層の後の各画像特徴層に、前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した画像特徴に基づいて、1つ前の画像特徴層に対応する外観フロー特徴に対して最適化処理を行い、現在の画像特徴層に対応する外観フロー特徴を獲得するステップと、を含む、請求項2に記載の方法。 - 前記1番目の画像特徴層の後の各画像特徴層に、前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した画像特徴に基づいて、1つ前の画像特徴層に対応する外観フロー特徴に対して最適化処理を行い、現在の画像特徴層に対応する外観フロー特徴を獲得する前記ステップは、
1つ前の画像特徴層に対応する外観フロー特徴に基づいてアップサンプリング処理を行ってアップサンプリング特徴を獲得するステップと、
前記アップサンプリング特徴に基づいて現在の画像特徴層に対応する第2画像の画像特徴に対して第1変形処理を行い、第1変形後特徴を獲得するステップと、
現在の画像特徴層に対応する第1画像の画像特徴に基づき、前記第1変形後特徴に対して校正処理を行い、且つ校正処理により獲得された校正後特徴に対して第1畳み込み計算を行い、第1畳み込み特徴を獲得するステップと、
前記第1畳み込み特徴と前記アップサンプリング特徴とを繋ぎ合わせて獲得した特徴に基づいて、前記現在の画像特徴層に対応する第2画像の画像特徴に対して第2変形処理を行い、第2変形後特徴を獲得するステップと、
前記第2変形後特徴に対して第2畳み込み計算を行い、且つ計算により獲得された第2畳み込み特徴と前記第1畳み込み特徴とを繋ぎ合わせて、現在の画像特徴層に対応する外観フロー特徴を獲得するステップと、を含む、請求項3に記載の方法。 - 前記第1画像特徴抽出モデル、及び前記第2画像特徴抽出モデルが出力した多層画像特徴に基づいて、外観フロー特徴の抽出を層毎に行う過程において、さらに、二次平滑拘束条件に基づいて前記外観フロー特徴の抽出を行い、前記二次平滑拘束条件は隣接する外観フローの間のリニア対応関係に対して予め設定された拘束条件である、請求項2に記載の方法。
- 前記第1画像の画像特徴と前記第2画像の画像特徴とに基づいて、前記目標服装が前記目標人物の人体に適応して生じた変形を表すことに用いられる目標外観フロー特徴を生成し、且つ前記目標外観フロー特徴に基づき、前記目標服装が前記人体に適応する変形後画像を生成する前記ステップは、仮想着せ替え生徒モデルにおける第1服装変形サブモデルにより実行され、
前記変形後画像と前記第1画像との融合に基づいて仮想着せ替え画像を生成する前記ステップは、前記仮想着せ替え生徒モデルにおける第1着せ替え生成サブモデルにより実行される、請求項1に記載の方法。 - 前記方法は、
仮想着せ替えティーチングアシスタントモデルを呼び出し、指定人物が含まれる人物画像に対応する人体解析結果、及び着せ替え対象の服装が含まれる第1服装画像を前記仮想着せ替えティーチングアシスタントモデルに入力して、前記仮想着せ替えティーチングアシスタントモデルが出力したティーチングアシスタント画像を獲得するステップであって、前記ティーチングアシスタント画像において前記指定人物は前記指定人物の人体に適応する着せ替え対象の服装を着用している、ステップと、
元の服装が含まれる第2服装画像、及び前記ティーチングアシスタント画像を訓練対象の仮想着せ替え生徒モデルに入力して、前記訓練対象の仮想着せ替え生徒モデルが出力した生徒画像を獲得するステップであって、前記生徒画像において前記指定人物は前記ティーチングアシスタント画像における指定人物の人体に適応する元の服装を着用しており、前記元の服装は前記指定人物が人物画像において着用している服装である、ステップと、
前記人物画像を教師画像とし、前記生徒画像と前記教師画像との間の画像損失情報に基づいて、前記訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うステップと、をさらに含む、請求項6に記載の方法。 - 前記人物画像を教師画像とし、前記生徒画像と前記教師画像との間の画像損失情報に基づいて、前記訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うステップの前に、前記方法は、
前記ティーチングアシスタント画像と前記生徒画像との間の画像品質差を取得するステップと、
もし前記画像品質差が正の値であれば、前記人物画像を教師画像とし、前記生徒画像と前記教師画像との間の画像損失情報に基づいて、前記訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行う前記ステップを実行するステップと、をさらに含む、請求項7に記載の方法。 - 仮想着せ替えティーチングアシスタントモデルを呼び出し、人物が含まれる人物画像に対応する人体解析結果、及び着せ替え対象の服装が含まれる第1服装画像を前記仮想着せ替えティーチングアシスタントモデルに入力して、前記仮想着せ替えティーチングアシスタントモデルが出力したティーチングアシスタント画像を獲得する前記ステップは、
前記仮想着せ替えティーチングアシスタントモデルにおける第2服装変形サブモデルを呼び出し、前記人体解析結果と前記第1服装画像の画像特徴とに基づいて、前記着せ替え対象の服装が前記指定人物の人体に適応する変形後画像を生成するステップと、
前記仮想着せ替えモデルにおける第2着せ替え生成サブモデルを呼び出し、前記第2服装変形サブモデルが出力した前記着せ替え対象の服装に対応する変形後画像と、前記人物画像における元の服装を着用している領域を除く他の画像領域との融合に基づいて前記ティーチングアシスタント画像を生成するステップと、を含む、請求項7に記載の方法。 - 前記方法は、
前記仮想着せ替えモデルにおける第2着せ替え生成サブモデルを呼び出し、前記人体解析結果に基づいて、前記人物画像において含有される前記指定人物が元の服装を着用している領域をクリアして、前記人物画像における元の服装を着用している領域を除く他の画像領域を獲得するステップをさらに含む、請求項9に記載の方法。 - 前記生徒画像と前記教師画像との間の画像損失情報に基づいて、前記訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行う前記ステップは、
前記生徒画像の前記教師画像に対する画像損失値を取得するステップであって、前記画像損失値は画素距離損失関数値、感知損失関数値、及び対抗損失関数値のうちの少なくとも一種を含む、ステップと、
前記画像損失値に対して加算演算を行い、前記生徒画像の前記教師画像に対する画像損失和値を獲得するステップと、
前記画像損失和値を前記生徒画像と前記教師画像との間の画像損失情報として、前記訓練対象の仮想着せ替え生徒モデルに対してパラメータ更新を行うステップと、を含む、請求項7に記載の方法。 - 前記第1着せ替え生成サブモデルはエンコーダ-デコーダネットワーク、及び残差ネットワークにより構成され、前記残差ネットワークは接続された上位層ネットワークに対して正規化処理を行うことに用いられる、請求項6に記載の方法。
- 画像処理装置であって、前記装置はコンピュータ機器に搭載され、前記装置は、
目標人物が含まれる第1画像と目標服装が含まれる第2画像とを取得するように構成される画像取得モジュールと、
前記第1画像の画像特徴と前記第2画像の画像特徴とに基づいて、前記目標服装が前記目標人物の人体に適応して生じた変形を表すことに用いられる目標外観フロー特徴を生成し、且つ前記目標外観フロー特徴に基づき、前記目標服装が前記人体に適応する変形後画像を生成するように構成される情報生成モジュールと、
前記変形後画像と前記第1画像との融合に基づいて仮想着せ替え画像を生成するように構成される仮想着せ替えモジュールであって、前記仮想着せ替え画像において、前記目標人物は前記人体に適応する目標服装を着用している、仮想着せ替えモジュールと、を含む、画像処理装置。 - 電子機器であって、
コンピュータ可読命令が記憶されているメモリと、
メモリに記憶されているコンピュータ可読命令を読み取って請求項1~12のいずれか一項に記載の方法を実行するプロセッサと、を含む、電子機器。 - コンピュータ可読記憶媒体であって、コンピュータ可読命令が記憶されており、前記コンピュータ可読命令はコンピュータのプロセッサにより実行されるときに、コンピュータに請求項1~12のいずれか一項に記載の方法を実行させる、コンピュータ可読記憶媒体。
- コンピュータプログラム製品であって、前記コンピュータプログラム製品は実行されるときに、請求項1~12のいずれか一項に記載の方法を実行することに用いられる、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110141360.3 | 2021-01-27 | ||
CN202110141360.3A CN113570685A (zh) | 2021-01-27 | 2021-01-27 | 图像处理方法及装置、电子设备、存储介质 |
PCT/CN2022/072892 WO2022161234A1 (zh) | 2021-01-27 | 2022-01-20 | 图像处理方法及装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023545189A true JP2023545189A (ja) | 2023-10-26 |
Family
ID=78161097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023522881A Pending JP2023545189A (ja) | 2021-01-27 | 2022-01-20 | 画像処理方法、装置、及び電子機器 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023545189A (ja) |
CN (1) | CN113570685A (ja) |
WO (1) | WO2022161234A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570685A (zh) * | 2021-01-27 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置、电子设备、存储介质 |
CN114125271B (zh) * | 2021-11-02 | 2024-05-14 | 西安维沃软件技术有限公司 | 图像处理方法、装置及电子设备 |
CN115082295B (zh) * | 2022-06-23 | 2024-04-02 | 天津大学 | 一种基于自注意力机制的图像编辑方法及装置 |
CN115861488B (zh) * | 2022-12-22 | 2023-06-09 | 中国科学技术大学 | 高分辨率虚拟换装方法、系统、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876814B (zh) * | 2018-01-11 | 2021-05-28 | 南京大学 | 一种生成姿态流图像的方法 |
CN110211196B (zh) * | 2019-05-28 | 2021-06-15 | 山东大学 | 一种基于姿势引导的虚拟试穿方法及装置 |
CN111709874B (zh) * | 2020-06-16 | 2023-09-08 | 北京百度网讯科技有限公司 | 图像调整的方法、装置、电子设备及存储介质 |
CN113570685A (zh) * | 2021-01-27 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置、电子设备、存储介质 |
-
2021
- 2021-01-27 CN CN202110141360.3A patent/CN113570685A/zh active Pending
-
2022
- 2022-01-20 WO PCT/CN2022/072892 patent/WO2022161234A1/zh active Application Filing
- 2022-01-20 JP JP2023522881A patent/JP2023545189A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022161234A1 (zh) | 2022-08-04 |
US20230077356A1 (en) | 2023-03-16 |
CN113570685A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275518B (zh) | 一种基于混合光流的视频虚拟试穿方法及装置 | |
JP2023545189A (ja) | 画像処理方法、装置、及び電子機器 | |
Duan et al. | Gesture recognition based on multi‐modal feature weight | |
JP2022524891A (ja) | 画像処理方法及び装置、電子機器並びにコンピュータプログラム | |
CN111260653B (zh) | 一种图像分割方法、装置、存储介质和电子设备 | |
JP2023548921A (ja) | 画像の視線補正方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
Saini et al. | A review on particle swarm optimization algorithm and its variants to human motion tracking | |
Chen et al. | DNNAM: Image inpainting algorithm via deep neural networks and attention mechanism | |
CN112132770A (zh) | 图像修复的方法、装置、计算机可读介质及电子设备 | |
CN117011156A (zh) | 图像处理方法、装置、设备及存储介质 | |
Lu et al. | 3D real-time human reconstruction with a single RGBD camera | |
JP2023131117A (ja) | 結合感知モデルのトレーニング、結合感知方法、装置、機器および媒体 | |
Li et al. | Instant3d: Instant text-to-3d generation | |
CN112686830B (zh) | 基于图像分解的单一深度图的超分辨率方法 | |
CN117218713A (zh) | 动作解算方法、装置、设备及存储介质 | |
CN116978057A (zh) | 图像中人体姿态迁移方法、装置、计算机设备和存储介质 | |
CN113592021B (zh) | 一种基于可变形和深度可分离卷积的立体匹配方法 | |
Liu et al. | Facial landmark detection using generative adversarial network combined with autoencoder for occlusion | |
Tu et al. | Acquiring identity and expression information from monocular face image | |
CN115115754A (zh) | 图像处理方法、装置、设备、可读存储介质及程序产品 | |
Wang et al. | Exploring the Caricature Style Identification and Classification Using Convolutional Neural Network and Human–Machine Interaction Under Artificial Intelligence | |
Wu et al. | HIGSA: Human image generation with self-attention | |
Zhou et al. | Improved GCN framework for human motion recognition | |
He | [Retracted] Multimedia Vision Improvement and Simulation in Consideration of Virtual Reality Reconstruction Algorithms | |
CN112995433A (zh) | 一种时序视频生成方法、装置、计算设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230413 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240229 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240701 |