KR102488517B1 - 헤어스타일 변환 방법, 장치, 기기 및 저장 매체 - Google Patents

헤어스타일 변환 방법, 장치, 기기 및 저장 매체 Download PDF

Info

Publication number
KR102488517B1
KR102488517B1 KR1020210037178A KR20210037178A KR102488517B1 KR 102488517 B1 KR102488517 B1 KR 102488517B1 KR 1020210037178 A KR1020210037178 A KR 1020210037178A KR 20210037178 A KR20210037178 A KR 20210037178A KR 102488517 B1 KR102488517 B1 KR 102488517B1
Authority
KR
South Korea
Prior art keywords
grid
hairstyle
target
boundary line
deflection axis
Prior art date
Application number
KR1020210037178A
Other languages
English (en)
Other versions
KR20210039996A (ko
Inventor
하오티앤 펑
천 자오
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210039996A publication Critical patent/KR20210039996A/ko
Application granted granted Critical
Publication of KR102488517B1 publication Critical patent/KR102488517B1/ko

Links

Images

Classifications

    • G06T3/0093—
    • 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
    • G06T3/02—Affine transformations
    • 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
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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
    • G06T3/0075—
    • 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
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06V10/40—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
    • G06V10/443—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 by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20096—Interactive definition of curve of interest
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20121—Active appearance model [AAM]
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20124—Active shape model [ASM]
    • 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
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은 헤어스타일 변환 방법, 장치, 기기 및 저장 매체에 관하며, 이미지 처리 기술, 증강 현실 기술 및 딥러닝 기술 분야에 관한 것이다. 일 측면에 따른 헤어스타일 변환 방법은, 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 단계; 안면 바운딩 박스에 따라 그리드를 구축하는 단계; 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하는 단계; 및 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 단계;를 포함한다. 본 발명은 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 안면 이미지 전체를 변환할 필요가 없고 출력이 정확하여, 안면 이미지에서 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.

Description

헤어스타일 변환 방법, 장치, 기기 및 저장 매체{A METHOD, A DEVICE, AN ELECTRONIC EQUIPMENT AND A STORAGE MEDIUM FOR CHANGING HAIRSTYLE}
본 발명은 컴퓨터 기술 분야에 관한 것이다. 구체적으로는, 본 발명은 이미지 처리 기술, 증강 현실 기술 및 딥러닝 기술 분야에 관한 것이며, 특히는 헤어스타일 변환 방법, 장치, 기기 및 저장 매체에 관한 것이다.
헤어스타일은 사용자의 개성, 자신감 및 태도를 표현할 수 있다. 따라서 헤어스타일은 개인의 외모에서 중요한 부분을 차지한다.
현재, 사용자는 하기의 방식으로 헤어스타일을 변경하는 바, (1) 변형될 헤어스타일을 아핀 변환(affine transformation)하여, 변경된 후의 헤어스타일을 얻고, (2) 적대적 생성 신경망(CycleGAN)의 트레이닝 데이터 세트에 대해 대규모 수정을 진행하며, 예를 들면, 수공의 방식으로 CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정을 진행하여, 수정한 후의 CycleGAN의 트레이닝 데이터 세트를 얻고, 그 다음 수정한 후의 CycleGAN의 트레이닝 데이터 세트에 따라 트레이닝하여, 변경된 후의 헤어스타일을 얻는다.
본 발명은 헤어스타일 변환 방법, 장치, 기기 및 저장 매체를 제공한다.
일 측면에 따른 헤어스타일 변환 방법은, 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 단계; 안면 바운딩 박스에 따라 그리드를 구축하는 단계; 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하는 단계; 및 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 단계;를 포함한다.
다른 측면에 따른 헤어스타일 변환 장치는, 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 제1 결정 모듈; 안면 바운딩 박스에 따라 그리드를 구축하는 그리드 구축 모듈; 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하는 그리드 변형 모듈; 및 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 제2 결정 모듈;을 포함한다.
또 다른 측면에 따른 전자 기기는 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하고, 상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 상술한 방법을 수행할 수 있도록 한다.
또 다른 측면에 따른 컴퓨터 명령은 상기 컴퓨터가 상술한 방법을 수행하도록 한다.
헤어스타일 변환 방법 및 장치는, 우선 획득한 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하고; 그 후, 안면 바운딩 박스에 따라 그리드를 구축하며; 그 후, 획득한 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 얻고; 마지막으로, 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정한다. 종래 기술인 변환될 헤어스타일에 대해 아핀 변환 처리하거나 인공 방식으로 CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정하는 처리로 인해 변환된 후의 헤어스타일이 왜곡되는 것과 비교하면, 본 발명은 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하기에, 본 발명은 그리드 중의 헤어스타일의 적어도 일부의 그리드의 경계선에 대해 변형할 수 있고, 안면 이미지 전체를 변환할 필요가 없고 출력이 정확하여, 안면 이미지에서 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.
본 부분에서 설명되는 내용은 본 발명의 실시예의 키 포인트 또는 중요 특징을 표시하기 위한 것으로서 본 발명의 범위를 한정하지 않음을 반드시 이해해야 한다. 본 발명의 다른 특징은 아래의 명세서를 통해 더욱 용이하게 이해될 수 있다.
도면은 본 형태를 더욱 잘 이해하도록 하기 위한 것으로서 본 발명에 대한 한정을 구성하지 않는다.
도 1은 본 발명이 응용될 수 있는 예시적 시스템 아키텍처이다.
도 2는 본 발명에 따른 헤어스타일 변환 방법의 일 실시예의 흐름도이다.
도 3은 안면 키 포인트 및 안면 박스의 모식도이다.
도 4는 2차원 컨벡스 헐의 모식도이다.
도 5는 그리드의 일 모식도이다.
도 6a 내지 도 6c는 타깃 헤어스타일 함수를 결정하는 모식도이다.
도 7a 및 도 7b는 픽셀 변형의 일 모식도이다.
도 8a 및 도 8b는 그리드의 일 모식도이다.
도 9는 본 발명에 따른 헤어스타일 변환 방법의 다른 일 실시예의 흐름도이다.
도 10은 본 발명에 따른 헤어스타일 변환 장치의 일 실시예의 모식도이다.
도 11은 본 발명의 실시예에 따른 헤어스타일 변환 방법을 구현하는 전자 기기의 블록도이다.
아래 도면과 결부시켜 본 발명의 예시적 실시예를 설명하되, 여기에 이해를 돕기 위한 본 발명의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 발명의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
본 실시예들에서 사용되는 용어는 본 실시예들에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 실시예들에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 실시예들 전반에 걸친 내용을 토대로 정의되어야 한다.
본 실시예들은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 일부 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 실시예들을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 실시예들의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용한 용어들은 단지 실시예들의 설명을 위해 사용된 것으로, 본 실시예들을 한정하려는 의도가 아니다.
본 실시예들에 사용되는 용어들은 다르게 정의되지 않는 한, 본 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 실시예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
한편, 본 명세서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
본 명세서에서, "~모듈(module)"은 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
서로 모순되지 않는 한, 본 출원 중의 실시예 및 실시예 중의 특징은 서로 조합될 수 있음을 설명하고자 한다. 아래에 첨부된 도면을 참조하고 실시예를 결부하여 본 출원에 대한 상세한 설명을 진행하기로 한다.
도 1은 본 발명이 응용될 수 있는 예시적 시스템 아키텍처이다.
도 1에 도시된 바와 같이, 시스템 아키텍처(100)는 단말 기기(101, 102, 103), 네트워크(104) 및 서버(105, 106)를 포함할 수 있다. 네트워크(104)는 단말 기기(101, 102, 103)와 서버(105, 106) 사이에서 통신 링크의 매체를 제공한다. 네트워크(104)는 다양한 연결 타입을 포함할 수 있는 바, 예를 들면 유선, 무선 통신 링크 또는 광섬유 케이블 등이다.
사용자는 단말 기기(101, 102, 103)를 사용하여 네트워크(104)를 통해 서버(105, 106)와 인터랙션함으로써 메시지 등을 수신 또는 송신할 수 있다. 단말 기기(101, 102, 103)에는 다양한 애플리케이션이 설치될 수 있는 바, 예를 들면 이미지 수집 애플리케이션, 헤어스타일 변환 애플리케이션, 다자간 인터랙션 애플리케이션, 인공 지능 애플리케이션 등이다.
단말 기기(101, 102, 103)는 하드웨어일 수 있고 소프트웨어일 수도 있다. 단말 기기(101, 102, 103)가 하드웨어인 경우, 문서 처리 응용을 지원하는 다양한 전자 기기일 수 있으며, 스마트폰, 태블릿PC, 휴대형 랩톱 및 데스크톱 등을 포함하나, 이에 한정되는 것은 아니다. 단말 기기(101, 102, 103)가 소프트웨인 경우 상기 열거된 전자 기기에 설치될 수 있다. 예를 들어, 분산형 서비스를 제공하는 복수의 소프트웨어 또는 소프트웨어 모듈로 구현되거나, 하나의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며, 여기서는 구체적으로 한정하지 않는다.
서버(105, 106)는 다양한 서비스를 제공하는 서버일 수 있고, 예를 들면 단말 기기(101, 102, 103)를 지원하는 백그라운드 서버일 수 있다. 백그라운드 서버는 수신된 모델링 요청에 대해 분석 등 처리를 진행하고 처리 결과를 단말 기기에 피드백할 수 있다.
서버(105, 106)는 하드웨어 또는 소프트웨어일 수 있다. 서버(105, 106)가 하드웨어인 경우 복수의 서버로 구성된 분산형 서버 클러스터로 구현될 수 있고, 하나의 서버로 구현될 수도 있다. 서버(105, 106)가 소프트웨어인 경우, 분산형 서비스를 제공하는 복수의 소프트웨어 또는 소프트웨어 모듈로 구현되거나, 하나의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며, 여기서는 구체적으로 한정하지 않는다.
본 발명의 실시예가 제공하는 헤어스타일 변환 방법은 단말 기기(101, 102, 103) 또는 서버(105, 106)에 의해 수행될 수 있고, 헤어스타일 변환 장치도 단말 기기(101, 102, 103) 또는 서버(105, 106)에 설치될 수도 있다.
도 1 중의 단말 기기(101, 102, 103), 네트워크(104) 및 서버(105, 106)의 개수는 예시적인 것일 뿐이며, 실제 필요에 따라 시스템 아키텍처(100)는 임의의 개수의 단말 기기, 네트워크 및 서버를 구비할 수 있다.
부드러운 헤어스타일을 생성하기 위하여, 종래 기술은 변형될 헤어스타일을 아핀 변환(affine transformation)하거나, 또는 적대적 생성 신경망(CycleGAN)의 트레이닝 데이터 세트에 대해 예를 들어 인공 방식으로 수정하는 등 대규모 수정하는 방법을 사용한다. 여기서, 변형될 헤어스타일을 아핀 변환하면, 헤어스타일이 위치한 이미지 전체를 아핀 변환해야 할 수 있는데, 이때, 이미지에서 헤어스타일 이외의 영역(예를 들어, 얼굴의 오관)에도 아핀 변환을 진행하여, 최종적으로 변환된 후의 이미지가 왜곡되어, 변환함 헤어스타일 변환의 목적을 일으킬 수 없다. 또한, CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정을 진행하면, 반드시 계산량을 증가시키고 계산 시간을 소모하며 메모리 공간을 소비하게 되고, 헤어스타일이 복잡할수록, 대응되는 트레이닝 데이터 세트도 상응하게 복잡해지며, 트레이닝 난이도를 더욱 향상시킨다. 특히는, 수공 방식으로 CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정을 진행할 경우, 한편으로 인력 원가가 비교적 높고 효율이 낮으며; 다른 한편으로는, 최종적으로 생성된 트레이닝 데이터 세트는 인위 요소의 원인으로 인해, 출력된 헤어스타일이 안정적이지 않고, 헤어스타일이 왜곡되는 현상이 초래되며, CycleGAN에 대한 후속적인 트레이닝에도 영향을 미치게 된다. 종합해보면, 종래 기술에 따른 상기 두 가지 방식은 모두 변형된 후의 헤어스타일을 왜곡시킬 수 있다.
도 2는 본 발명에 따른 헤어스타일 변환 방법의 일 실시예의 흐름도이다.
헤어스타일 변환 방법은 하기의 단계를 포함한다.
단계(201)에서, 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정한다.
본 실시예에서, 헤어스타일 변환 방법의 수행 주체(예를 들면, 도 1에 도시된 단말 기기(101, 102, 103) 또는 서버(105, 106))는 획득한 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정할 수 있다.
안면 이미지의 안면 키 포인트 정보에 따라 안면 바운딩 박스를 결정하는 방법은, 종래 기술 또는 미래 발전의 기술에 따른 안면 키 포인트 정보 안면 바운딩 박스를 결정하는 방법에 따른 것일 수 있기에, 본 발명은 이에 대해 한정하지 않는다. 예를 들면, 안면 키 포인트 정보 안면 바운딩 박스를 결정하는 방법은 이미지 식별의 방법 및 이미지 처리 방법으로 실현할 수 있다.
본 발명의 일 구현예에서, 안면 키 포인트 정보는 안면 키 포인트 및 안면 박스를 포함하고, 여기서, 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 단계는, 안면 이미지를 식별하고, 안면 이미지의 안면 키 포인트 및 안면 박스를 결정하는 단계; 및 안면 키 포인트 및 안면 박스에 기반하여, 안면 바운딩 박스를 결정하는 단계를 포함할 수 있다.
예를 들어, 안면 이미지는, 단말 기기(예를 들면, 도 1에 도시된 단말 기기(101, 102, 103))에 저장된 안면 사진, 또는 단말 기기의 촬영 모듈로 촬영한 안면 이미지를 포함할 수 있다.
상기 구현예에서, 안면 이미지를 식별하고, 안면 이미지의 안면 키 포인트 및 안면 박스를 결정하는 단계는, 안면 키 포인트를 통해 안면 이미지 중의 안면 키 포인트를 검출하고, 포지셔닝하거나 안면 얼라인먼트를 진행하는 단계; 및 안면 키 포인트 정보의 핵심 영역 위치를 최종적으로 포지셔닝하는 단계를 포함하며, 여기서, 안면 키 포인트 정보는 눈썹, 눈, 코, 입, 얼굴 윤곽 등(도 3에 도시됨)을 포함한다. 안면 키 포인트 검출 방법은, 모형에 기반한 ASM(Active Shape Model), AAM(Active Appearnce Model), 계단식 포즈 회귀 CPR(Cascaded pose regression), 딥러닝에 기반한 방법을 포함할 수 있다.
상기 구현예에서, 안면 바운딩 박스의 크기는 컨벡스 헐(convex hull)의 크기에 의해 결정된다. 여기서, 컨벡스 헐은 세트 포인트를 내부에 포위한, 면적이 가장 작은 볼록 다각형을 가리킨다. 또는, 컨벡스 헐은 평면에서 일부 포인트를 정해놓고 가장 작은 포인트 세트를 찾아 하나의 볼록 다각형으로 연결하여, 이 소정의 세트 포인트들이 당해 다각형 내부 또는 다각형 위에 위치하도록 하는 것을 가리키며, 상기 볼록 다각형은 세트 포인트의 2차원 컨벡스 헐이다.
본 발명의 실시예에서, Andrew 알고리즘, Graham 알고리즘, Melkman 알고리즘 등 방법을 통해 2차원 컨벡스 헐을 생성할 수도 있고, 상기 알고리즘의 선택은 구체적인 실제 수요에 따라 결정될 수 있기에 여기서 서술하지 않는다. 일 구현예에서, 도 4에 도시된 바와 같이, 상기 2차원 컨벡스 헐은 6변을 포함하는 볼록 다각형일 수 있다. 상기 구현예에서, 안면 키 포인트 정보에 기반하여 안면 바운딩 박스를 결정할 경우, 통상적으로 복수의 바운딩 박스를 구축할 수 있으며, 이 복수의 바운딩 박스에 대해, 그 중에서 하나를 선택하여 최종적으로 필요한, 바운딩 박스로 할 수 있다. 예를 들면, 구축된 바운딩 박스에서 면적이 가장 작은 하나를 선택하여, 선택된 바운딩 박스를 최종적으로 필요한 안면 바운딩 박스로 할 수 있다.
단계(202)에서, 안면 바운딩 박스에 따라 그리드를 구축한다.
본 실시예에서, 상기 수행 주체는 안면 바운딩 박스를 복수의 볼록 다면체로 분할할 수 있고, 각각의 볼록 다면체는 하나의 격자이며, 동일한 격자에 속하는 안면 바운딩 박스의 최정점을 하나의 대표점으로 병합하여 표시하고, 모든 대표점을 선으로 연결하여 조합되어 그리드를 만든다. 그리드의 각 하나의 셀(cell)은 하나의 격자이고, 3개 셀을 넘는 3각형만 간략화 결과에 보류되어 그리드를 얻을 수 있다.
안면 바운딩 박스에 따라 그리드를 구축하는 방법은, 종래 기술 또는 미래 발전의 기술에서 안면 바운딩 박스에 따라 그리드를 구축하는 방법에 따른 것일 수 있기에, 본 발명은 이에 대해 한정하지 않는다. 예를 들면, 안면 바운딩 박스가 그리드를 구축하는 방법은 공간 클러스터링 알고리즘 또는 안면 그리드 모델의 방법을 사용하여 구현될 수 있다.
단계(203)에서, 타깃 헤어스타일 함수를 사용하여, 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득한다.
본 실시예에서, 상기 수행 주체는 하기의 몇 가지 방식에 기반하여, 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 결정할 수 있다.
(1) 미리 트레이닝된, 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 결정하는 모형을 선택하거나, 또는, 미리 설정된 규칙에 따라, 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 결정할 수 있다.
(2) 사용자 자체에 의해 설정할 수 있으며, 예를 들면 사용자가 자신의 취향에 따라 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 결정하고, 즉 사용자가 그리드에서 변형해야 될 그리드 경계선을 결정한다.
그리드에서 변형해야 될 그리드 경계선을 결정한 후, 획득한 타깃 헤어스타일 함수를 사용하여, 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 얻을 수 있다.
본 발명의의 단계(203)에 대한 일부 선택 가능한 실시형태에서, 단계 (203)는 타깃 그리드 경계선 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하여, 변형된 후의 타깃 그리드 경계선을 획득하는 단계를 포함할 수 있고, 점의 좌표는 편향 축선과 평행되는 좌표축에 대응되는 좌표이다.
본 발명의 상기 실시예의 헤어스타일 변환 방법 및 장치는, 그리드 중 헤어스타일의 적어도 일부를 포함하는 그리드의 경계선 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하는 것을 통해, 변형된 후의 그리드 곡선을 얻고, 그 다음 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정하며, 그리드 중의 헤어스타일의 적어도 일부의 그리드의 경계선에 대해 변형하기에, 안면 이미지 전체를 변환할 필요가 없고 출력이 정확하여, 안면 이미지에서 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.
단계(204)에서, 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정한다.
본 실시예에서, 상기 수행 주체는 단계(203)에서 타깃 헤어스타일 함수를 이용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형한 후, 변형되기 전의 그리드 중의 헤어스타일 곡선에 대해, 변형된 후의 그리드 곡선과 적합한 변형을 진행할 수 있다.
구체적으로, 변형되기 전의 그리드 중의 헤어스타일 곡선과 변형되기 전의 그리드의 경계선 사이의 연관 관계를 구축하고, 그 후, 상기 연관 관계 및 변형된 후의 그리드 곡선에 따라, 변형된 후의 헤어스타일 곡선을 결정할 수 있다. 예를 들면, 변형되기 전의 그리드 중의 헤어스타일 곡선이 그 좌우 양측의 변형되기 전의 그리드의 경계선 중간에 위치하는 제약 관계를 구축함으로써, 변형된 후의 그리드 곡선에 따라, 변형된 후의 그리드 중의 헤어스타일 곡선이 그 좌우 양측의 변형된 후의 그리드 곡선 중간에 위치하도록 하여, 안면 이미지에서 변형된 후의 헤어스타일을 얻도록 한다.
본 발명의 상기 실시예의 헤어스타일 변환 방법 및 장치는, 우선 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하고; 그 후, 안면 바운딩 박스에 따라 그리드를 구축하며; 그 후, 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하고; 마지막으로, 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정한다. 이 과정에서, 종래 기술에 따른 변환될 헤어스타일에 대해 아핀 변환 처리하거나 인공 방식으로 CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정하는 처리로 인해 변환된 후의 헤어스타일 왜곡되는 것과 비교하면, 본 발명은 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하기에, 그리드 중의 헤어스타일의 적어도 일부의 그리드의 경계선에 대해 변형할 수 있고, 안면 이미지 전체를 변환할 필요가 없고 출력이 정확하여, 안면 이미지에서 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.
본 발명이 단계(203)에 대한 일부 선택 가능한 실시형태에서, 단계(203)는, 타깃 그리드 경계선 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하여, 변형된 후의 타깃 그리드 경계선을 획득하는 단계 - 점의 좌표는 편향 축선과 평행되는 좌표축에 대응되는 좌표임 - ; 및 변형된 후의 타깃 그리드 경계선에 기반하여, 변형된 후의 그리드 곡선을 결정하는 단계를 포함할 수 있다.
일 구체적인 구현예에서, 도 5에 도시된 바와 같이, 타깃 그리드 경계선(501) 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하고, 변형된 후의 타깃 그리드 경계선(502)을 획득할 수 있으며; 그 다음 다시 변형된 후의 타깃 그리드 경계선(502)에 기반하여, 변형된 후의 그리드 곡선(504) (즉 모든 변형된 후의 타깃 그리드 경계선)을 결정한다.
본 실시형태에서, 그리드에서 최우측의 그리드 경계선을 X축, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 하는 좌표계를 구축할 수 있다. 그 후, 타깃 그리드 경계선 위의 점의 좌표를 획득한다. 그 다음 타깃 그리드 경계선 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하여, 타깃 그리드 경계선 위의 점의 좌표를 하나씩 변형된 후의 타깃 그리드 경계선의 점의 좌표로 맵핑한다.
상기 좌표계의 구축 방식은 좌표계를 구축하는 일 구현예로서 좌표계에 대해서 한정하지 않는다. 예를 들면, 본 기술분야의 통상의 기술자는 그리드에서 최좌측의 그리드 경계선을 X축, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 하여 좌표계를 구축한다. 또는, 기타 좌표계의 구축 방식을 사용하여 좌표계를 구축함으로써, 타깃 그리드 경계선의 점의 좌표를 얻는다.
본 발명의 일부 선택 가능한 실시형태에서, 타깃 헤어스타일 함수는, 타깃 헤어스타일 곡선을 획득하는 단계; 타깃 헤어스타일 곡선을 균일하게 샘플링하는 단계; 및 샘플링 포인트를 피팅하여, 타깃 헤어스타일 함수를 획득하는 단계를 통해 결정될 수 있다.
본 실시형태에서, 피팅의 방식은 보간법, 완화법 및 최소 제곱법일 수 있다. 타깃 헤어스타일 함수를 피팅하는 목적을 달성한다면 모두 본 발명의 보호범위 내에 속할 수 있다.
본 실시형태에서, 타깃 헤어스타일 곡선을 사용하여 진실한 헤어스타일 곡선을 시뮬레이션하였기에, 상기 타깃 헤어스타일 곡선에 기반하여 얻은 타깃 헤어스타일 함수가 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 결정된 안면 이미지 중 변형된 후의 헤어스타일이 사용자의 진실한 헤어스타일에 더욱 부합되게 하여 사용자 체험감을 향상시킨다.
상기 실시예의 일부 선택 가능한 실시형태에서, 타깃 헤어스타일 곡선을 균일하게 샘플링한 후, 3차 B 스플라인을 사용하여 샘플링된 후의 타깃 헤어스타일 곡선을 피팅하여, 타깃 헤어스타일 함수를 얻을 수 있다.
본 실시형태에서, 샘플링 포인트를 피팅하여 타깃 헤어스타일 함수를 얻는 단계는, 복수의 샘플링 포인트에 대해, 3차 B 스플라인에 따라 피팅하여, 타깃 헤어스타일 함수를 획득하는 단계를 포함한다.
일 구체적인 구현예에서, 도 6a에 도시된 바와 같이, 우선 타깃 헤어스타일 곡선도를 그리고, 이어서, 도 6b에 도시된 바와 같이, 상기 타깃 헤어스타일 곡선도를 균일하게 샘플링하여 샘플링 포인트를 얻으며, 마지막으로, 도 6c에 도시된 바와 같이, 3차 B 스플라인에 따라 곡선 피팅을 완성하여, 타깃 헤어스타일 곡선의 타깃 헤어스타일 함수를 얻는다.
본 발명에서, 3차 B 스플라인에 기반하여 피팅을 완성하여, 피팅된 헤어스타일 함수에 대응되는 헤어스타일이 더욱 부드럽도록 하며, 타깃 헤어스타일 곡선도와 더욱 부합되도록 하여, 피팅된 후의 함수의 표현의 정확성을 향상시킨다.
상기 실시예는 단지 헤어스타일 변환 방법에 대한 예시적인 실시예로서, 헤어스타일 변환 방법에 대한 한정을 대표하지 않는다. 예를 들면, 상기 헤어스타일 변환 방법은, 하나 또는 복수의 안면 이미지에서 변형된 후의 헤어스타일을 동시에 디스플레이하는 것을 더 포함할 수 있다. 이 밖에, 본 발명에서 언급된 헤어스타일의 변경은 상이한 성별 사이의 헤어스타일의 변경에 한정되지 않을 뿐만 아니라, 동일한 성별 사이의 헤어스타일의 변경에 한정되지 않으며 여기서 더 서술하지 않는다.
도 9는 본 발명에 따른 헤어스타일 변환 방법의 다른 일 실시예의 흐름도이다.
헤어스타일 변환 방법은 하기의 단계를 포함한다.
단계(901)에서, 안면 이미지의 안면 키 포인트 정보에 따라, 바운딩 박스를 결정한다.
본 실시예의 단계(901)는 전술한 실시예의 단계(201)와 일치하고, 단계(901)의 구체적인 실시형태는 각각 전술한 실시예 중 단계(201)의 기술을 참조 가능하며 여기서 더 서술하지 않는다.
단계(902)에서, 안면 바운딩 박스에 따라 그리드를 구축하고, 여기서, 안면 바운딩 박스는 편향 축선을 포함한다.
본 실시예에서, 안면 바운딩 박스는 편향 축선을 포함할 수 있고, 상기 편향 축선은, 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선이며, 안면이 정면 안면에 대한 편향 방향을 가리킨다. 안면 바운딩 박스의 방향은 편향 축선의 방향에 따라 결정될 수 있다. 예를 들면, 편향 축선이 수직 방향에 가까우면(즉 편향 축선과 수직 방향의 협각이 기설정 임계값보다 작음), 반경 방향 바운딩 박스를 사용하고; 편향 축선이 수평 방향에 가까우면(즉 편향 축선과 수평 방향의 협각이 기설정 임계값보다 작음), 축방향 바운딩 박스를 사용한다.
여기서, 반경 방향 바운딩 박스를 예로 들면, 편향 축선이 수직 방향에 위치할 경우, 안면 이미지를 조정할 필요가 없고; 편향 축선이 수직 방향에 위치하지 않을 경우, 안면 이미지를 조정하여, 조정한 후의 안면 이미지 중의 안면의 편향 축선이 수직 방향이도록 할 수 있다. 이때, 기준선(도 5의 503)은 안면 이미지 중의 안면이 정면 안면일 경우 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 수직 방향의 그리드 경계선이다.
이 외에, 본 실시예의 단계(902)는 전술한 실시예의 단계(202)에 기술된 동작 및 특징을 더 포함하기에 여기서 더 서술하지 않는다.
단계(903) 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출한다.
본 실시예에서, 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하는 방법은, 종래 기술 또는 미래 발전의 기술에서 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하는 방법일 수 있기에, 본 발명은 이를 한정하지 않는다. 예를 들면, 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하는 방법은 이미지 식별 방법 및 거리 검출 방법을 사용할 수 있다. 일 구체적인 구현예에서, 예를 들면 도 8a에서, 편향 축선의 좌표 및 기준선의 좌표를 검출하고, 그 다음 편향 축선의 좌표 및 기준선의 좌표 차이를 산출하며, 다시 좌표 차이에 따라 상기 좌표 차이가 0이 아님을 판정한다.
단계(904)에서, 거리가 0이 아니면, 타깃 그리드 경계선 중 편향 축선과 평행되고, 편향 축선 좌측에 위치하되 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 좌측 기준 그리드 경계선으로 결정하고, 타깃 헤어스타일 함수를 사용하여 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득한다.
본 실시예에서, 단계(903)에서 편향 축선과 기준선 사이의 거리가 0이 아님을 얻을 경우, 그리드 좌측 중 편향 축선과 평행되고, 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 좌측 기준 그리드 경계선으로 결정할 수 있다.
일 구체적인 구현예에서, 도 8a에 도시된 바와 같이, 그리드 최좌측의 그리드 경계선(801a)을 좌측 기준 그리드 경계선으로 한다.
단계(905)에서, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율을 좌측 변형 계수로 하고, 좌측 변형 계수를 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 좌측의 헤어스타일 라인을 얻으며, 편향 축선 좌측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득한다.
본 실시예에서, 단계(904)에서 좌측 기준 그리드 경계선을 결정한 후, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율을 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 적합하게 변형한다.
좌측 기준 그리드 경계선을 결정한 후, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율에 따라, 좌측 변형 계수를 결정한다. 구체적인 예에서, 도 8a에 도시된 바와 같이, 우선 획득한 좌측 기준 그리드 경계선(801a) 및 편향 축선(802a)의 좌표에 따라, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리를 얻고; 그 후, 획득한 좌측 기준 헤어스타일 라인(803a)과 편향 축선(802a)의 좌표에 따라, 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리를 얻으며; 마지막으로, 좌측 기준 그리드 경계선(801a)과 편향 축선(802a) 사이의 거리 및 좌측 기준 헤어스타일 라인(803a)과 편향 축선(802a) 사이의 거리의 비율에 기반하여, 좌측 변형 계수를 결정한다.
좌측 기준 그리드 경계선을 결정한 후, 획득한 타깃 헤어스타일 함수를 사용하여 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득할 수 있다. 일 구체적인 구현예에서, 도 7a에 도시된 바와 같이, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리(K1) 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리(K2)의 비율에 기반하여, 즉 K1/K2를 픽셀 변형 비율로 하며; 다음, 도 7b에 도시된 바와 같이, K1/K2=L1/L2에 따라, 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득하고; 여기서, L1은 좌측 기준 그리드 경계선의 점의 픽셀 값이며, L2는 좌측 기준 헤어스타일 라인의 점의 픽셀 값이다.
좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율을 좌측 변형 계수로 한 후, 좌측 변형 계수를 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 좌측의 헤어스타일 라인을 획득하며; 편향 축선 좌측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득할 수 있다.
일 구체적인 구현예에서, 도 8a에 도시된 바와 같이, 그리드에서 최우측의 그리드 경계선을 X축으로 하고, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 하며, 여기서, 편향 축선은 Y=1인 그리드 라인이다. 이어서 “두 눈의 중심으로부터 코끝까지”의 이 선분을 편향 축선으로 하고, 다음, 도 8a에서 편향 축선과 기준선 사이의 거리를 결정하며, 여기서, 기준선은 편향 축선과 평행되는 안면 이미지의 그리드 경계선의 중심 대칭축이며, 이때 안면은 정면 안면이다. 도 8a에서 편향 축선과 기준선 사이의 거리가 0이 아닐 경우, 그리드에서 최좌측의 하나의 그리드 경계선(즉, 좌측 기준 그리드 경계선(801a))을 타깃 헤어스타일 함수 위치로 변경한다. 이때, 상기 최좌측의 하나의 그리드 경계선의 내부 픽셀은 도 7a 내지 도 7b의 상기 좌측 변형 계수에 따라 변형하고, 안면 좌측의 헤어스타일 라인을 획득하며, 여기서, 위로부터 아래로의 세로 축은 X=0으로부터 X=1로 간주하고, 상기 편향 축선이 위치한 축을 Y=0으로 간주하여, 편향 축선이 위치한 축을 Y=1로 간주한다.
그리드에소 최좌측의 그리드 경계선을 X축으로 하고, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 할 수 있으며, 여기서, 편향 축선은 Y=1인 그리드 경계선이다.
단계(906)에서, 거리가 0이 아니면, 타깃 그리드 경계선 중 편향 축선과 평행되고, 편향 축선 우측에 위치하되 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 우측 기준 그리드 경계선으로 결정하고, 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득한다.
본 실시예에서, 단계(903)에서 편향 축선과 기준선 사이의 거리가 0이 아님을 얻어질 경우, 그리드 우측에서 편향 축선과 평행되고, 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 우측 기준 그리드 경계선으로 결정할 수 있다. 일 구체적인 구현예에서, 도 8b에 도시된 바와 같이, 그리드 최우측의 그리드 경계선을 우측 기준 그리드 경계선으로 할 수 있다.
우측 기준 그리드 경계선을 결정한 후, 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득할 수 있다. 일 구체적인 구현예에서, 도 8b에 도시된 바와 같이, 우측 기준 그리드 경계선(801b) 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하여, 변형된 후의 우측 기준 그리드 경계선(802b)을 얻고; 그 다음 변형된 후의 우측 기준 그리드 경계선(802b)에 기반하여, 변형된 후의 그리드 곡선을 결정한다.
단계(907)에서, 우측 기준 그리드 경계선과 편향 축선 사이의 거리 및 우측 기준 헤어스타일 라인과 편향 축선의 거리의 비율을 우측 변형 계수로 하고, 우측 변형 계수를 사용하여, 편향 축선 우측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 우측의 헤어스타일 라인을 얻으며, 편향 축선 우측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득한다.
본 실시예에서, 단계(906)에서 우측 기준 그리드 경계선을 결정한 후, 우측 기준 그리드 경계선과 편향 축선 사이의 거리 및 우측 기준 헤어스타일 라인과 편향 축선의 거리의 비율을 사용하여, 편향 축선 우측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 적합하게 변형할 수 있다.
우측 기준 그리드 경계선을 결정한 후, 우측 기준 그리드 경계선과 편향 축선 사이의 거리 및 우측 기준 헤어스타일 라인과 편향 축선의 거리의 비율에 따라, 우측 변형 계수를 결정한다. 우측 기준 그리드 경계선을 결정한 후, 획득한 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득할 수 있다. 그 후, 우측 변형 계수를 사용하여, 편향 축선 우측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 우측의 헤어스타일 라인을 얻으며, 편향 축선 우측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득한다.
편향 축선 우측의 헤어스타일 라인에 대한 처리 과정은, 좌측 변형 계수를 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 좌측의 헤어스타일 라인을 얻는 과정과 유사하기에 여기서 더 서술하지 않는다.
본 발명의 실시예에서, 도 8a 및 도 8b 중의 그리드는 단지 예시적인 것으로서, 상기 그리드의 개수가 도 8a 및 도 8b 중의 그리드의 개수와 같지 않을 수 있다. 실제 사용에서, 그리드의 개수는 0~255 사이일 수 있고, 구체적으로 헤어스타일 변형의 정밀도에 따라 결정되기에 여기서 더 서술하지 않는다.
단계(901) 내지 단계(907)의 수행 순서는, 단계(901), 단계(902), 단계(903), 단계(904) 및 단계(905)를 수행하고, 단계(906) 및 단계(907)를 동시에 수행하여, 헤어스타일 변환 방법을 얻는다. 또는, 먼저 단계(901), 단계(902), 단계(903), 단계(906) 및 단계(907)를 수행하고, 그 후 단계(904) 및 단계(905)를 수행하여, 헤어스타일 변환 방법을 얻는다. 또는, 단계(901), 단계(902), 단계(903), 단계(904) 및 단계(905)를 수행하고, 동시에 우측을 변동하지 않거나 도 2에 도시된 실시예의 방법을 사용하여 변동하여, 헤어스타일 변환 방법을 얻거나; 또는, 단계(901), 단계(902), 단계(903), 단계(906) 및 단계(907)를 수행하고, 동시에 좌측을 변동하지 않거나 도 2에 도시된 실시예의 방법을 사용하여 변동하여, 헤어스타일 변환 방법을 얻는 것은 모두 본 발명에 속한다. 본 발명은 이에 대해 한정하지 않는다.
본 발명의 실시예에서, 그리드의 경계선을 변형한 후, 좌측 변형 계수(즉, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율)를 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 편향 축선 좌측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 얻고, 우측 변형 계수(즉, 우측 기준 그리드 경계선과 편향 축선 사이의 거리 및 우측 기준 헤어스타일 라인과 편향 축선의 거리의 비율)를 사용하여 편향 축선 우측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 편향 축선 우측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 얻으며, 그리드 라인 변형의 기초상에서, 점의 픽셀의 변형을 조화롭게 하여, 그리드의 경계선 및 그리드의 경계선 위의 점의 픽셀을 동기화 변형되도록 보장하여, 후속적으로 결정된 안면 이미지 중 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.
본 기술분야의 통상의 기술자가 이해할 수 있는 것은, 종래 기술에서 남자가 여자로 변하는 비디오 특수 효과의 게임에서 CycleGAN 이미지 번역 아키텍처에 의해 생성되고, 네트워크 아키텍처는 안정적인 헤어스타일 출력을 보장하기 위한 것으로서, 완전히 일치하고 탄탄한 헤어스타일을 입력으로 사용하여 트레이닝함으로써, 최종적으로 생산된 여성 얼굴 헤어스타일이 단일하고 지나치게 간단하여 작동 불가하고 수정 불가한 문제를 초래한다. 상시 실시예의 헤어스타일 변환 방법을 사용하여 생성된 안면 헤어스타일은 다채롭고, 증강 현실 안면 성별의 전환 애플리케이션에서 트레이닝 샘플이 지나치게 적어 남가자 여자로 변하는 효과에서 변형된 후 여성 헤어스타일이 단일하고 간단하며 제어 불가능한 문제를 해결할 수도 있다. 구체적으로, 본 발명은, 후처리 방식을 사용하여 CycleGAN이 생성한 이미지를 가공하여, 사전에 주문한 헤어스타일 형태에 따라, CycleGAN이 생성한 이미지를 실시간으로 안정적이게 타깃 헤어스타일 이미지로 변형한다.
도 10은 본 발명에 따른 헤어스타일 변환 장치의 일 실시예의 모식도이다.
도 10에 도시된 바와 같이, 본 실시예의 헤어스타일 변환 장치(1000)는 제1 결정 모듈(1001), 그리드 구축 모듈(1002), 그리드 변형 모듈(1003) 및 제2 결정 모듈(1004)을 포함할 수 있다. 여기서, 제1 결정 모듈(1001)은 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하고; 그리드 구축 모듈(1002)은 상기 안면 바운딩 박스에 따라 그리드를 구축하며; 그리드 변형 모듈(1003)은 타깃 헤어스타일 함수를 사용하여 상기 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하고; 제2 결정 모듈(1004)은 상기 변형된 후의 그리드 곡선에 따라, 상기 안면 이미지 중 변형된 후의 헤어스타일을 결정한다.
본 실시예에서, 헤어스타일 변환 장치(1000)에서 제1 결정 모듈(1001), 그리드 구축 모듈(1002), 그리드 변형 모듈(1003) 및 제2 결정 모듈(1004)의 구체적인 프로세싱 및 이에 수반되는 기술적 효과는 도 2의 대응되는 실시예 중의 단계(201) 내지 단계(204)의 관련 설명을 참조하기 바라며 여기서 더 서술하지 않는다. 여기서, 제1 결정 모듈(1001) 및 제2 결정 모듈(1012)은 동일한 모듈일 수 있거나 또는 상이한 두 개의 모듈일 수 있다.
본 실시예의 일부 선택 가능한 실시형태에서, 안면 바운딩 박스는 편향 축선을 포함하고, 헤어스타일의 적어도 일부 그리드의 경계선은 편향 축선과 평행되는 타깃 그리드 경계선을 포함하며, 그리드 변형 모듈(1003)은, 타깃 그리드 경계선 위의 점의 좌표를 타깃 헤어스타일 함수에 입력하여, 변형된 후의 타깃 그리드 경계선을 획득하고 - 점의 좌표는 편향 축선과 평행되는 좌표축에 대응되는 좌표임 - , 변형된 후의 타깃 그리드 경계선에 기반하여, 변형된 후의 그리드 곡선을 결정한다.
본 실시예의 일부 선택 가능한 실시형태에서, 그리드 변형 모듈(1003)은, 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하고 - 편향 축선은 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선이고, 기준선은 안면 이미지 중의 안면이 정면 안면일 경우 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선임 - , 거리가 0이 아니면, 타깃 그리드 경계선 중 편향 축선과 평행되고, 편향 축선 좌측에 위치하되 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 좌측 기준 그리드 경계선으로 결정하고, 타깃 헤어스타일 함수를 사용하여 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득하고; 제2 결정 모듈(1004)은 또한, 좌측 기준 그리드 경계선과 편향 축선 사이의 거리 및 좌측 기준 헤어스타일 라인과 편향 축선 사이의 거리의 비율을 좌측 변형 계수로 하고; 좌측 변형 계수를 사용하여, 편향 축선 좌측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 좌측의 헤어스타일 라인을 획득하며; 편향 축선 좌측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득한다.
본 실시예의 일부 선택 가능한 실시형태에서, 상기 그리드 변형 모듈(1003)은, 거리가 0이 아니면, 타깃 그리드 경계선 중 편향 축선과 평행되고, 편향 축선 우측에 위치하되 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 우측 기준 그리드 경계선으로 결정하고, 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득하고, 제2 결정 모듈(1004)은 또한, 우측 기준 그리드 경계선과 편향 축선 사이의 거리 및 우측 기준 헤어스타일 라인과 편향 축선의 거리의 비율을 우측 변형 계수로 하고; 우측 변형 계수를 사용하여, 편향 축선 우측에 위치한, 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 안면 우측의 헤어스타일 라인을 획득하며; 편향 축선 우측에 위치한, 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득한다.
본 실시예의 일부 선택 가능한 실시형태에서, 상기 헤어스타일 변환 장치는, 타깃 헤어스타일 곡선을 획득하는 헤어스타일 획득 모듈(도면 미도시); 타깃 헤어스타일 곡선을 샘플링하여, 복수의 샘플링 포인트를 획득하는 헤어스타일 샘플링 모듈(도면 미도시); 및 복수의 샘플링 포인트를 피팅하여, 타깃 헤어스타일 함수를 획득하는 함수 피팅 모듈(도면 미도시)을 더 포함한다.
본 실시예의 일부 선택 가능한 실시형태에서, 함수 피팅은 또한, 복수의 샘플링 포인트에 대해, 3차 B 스플라인에 따라 피팅하여, 타깃 헤어스타일 함수를 획득한다.
본 발명의 실시예에 따르면, 본 발명은 전자 기기 및 판독 가능한 저장 매체를 더 제공한다.
도 11은 본 발명의 실시예에 따른 헤어스타일 변환 방법을 구현하는 전자 기기의 블록도이다.
예를 들어, 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 발명의 구현을 한정하지 않는다.
도 11에 도시된 바와 같이, 전자 기기는 하나 또는 다수의 프로세서(1101), 메모리(1102), 및 고속 인터페이스 및 저속 인터페이스를 포함하는 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중프로세서 시스템)을 제공한다. 도 11에서 하나의 프로세서(1101)를 예로 든다.
메모리(1102)는 즉 본 발명에서 제공되는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 수행되는 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 발명에서 제공하는 헤어스타일 변환 방법을 수행하도록 한다. 본 발명의 비일시적 컴퓨터 판독 가능한 저장 매체에 컴퓨터 명령이 저장되어 있고, 상기 컴퓨터 명령은 컴퓨터가 본 발명에서 제공하는 헤어스타일 변환 방법을 수행하도록 한다.
메모리(1102)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램, 및 본 발명의 실시예의 헤어스타일 변환 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 10에 도시된 결정 모듈(1001), 그리드 구축 모듈(1002) 및 그리드 처리 모듈(1003))과 같은 모듈을 저장할 수 있다. 프로세서(1101)는 메모리(1102)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 헤어스타일 변환 방법을 구현한다.
메모리(1102)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 헤어스타일 변환의 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(1102)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(1102)는 프로세서(1101)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 헤어스타일 변환의 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
헤어스타일 변환 방법을 수행하기 위한 전자 기기는 입력 장치(1103) 및 출력 장치(1104)를 더 포함할 수 있다. 프로세서(1101), 메모리(1102), 입력 장치(1103) 및 출력 장치(1104)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 11에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(1103)는 입력된 디지털 또는 문자 정보를 수신할 수 있고, 헤어스타일 변환의 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치 스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(1104)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시형태에서, 표시 기기는 터치 스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 “기계 판독 가능한 매체” 및 “컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 “기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공한다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다. 서버는 클라우드 서버일 수 있고, 또 클라우드 컴퓨팅 서버 또는 클라우드 호스트라고 할 수도 있으며, 클라우드 컴퓨팅 서버 체계 중의 한 가지 호스트 제품으로서, 기존의 물리적 호스트와 VPS(“Virtual Private Server”, 또는 약칭 “VPS”) 서비스에 존재하는 관리 난이도가 크고 업무 확장성이 약한 흠결을 해결하였다.
본 발명의 실시예에 따른 헤어스타일 변환 방법 및 장치는, 우선 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하고; 그 후, 안면 바운딩 박스에 따라 그리드를 구축하며; 그 후, 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하고; 마지막으로, 변형된 후의 그리드 곡선에 따라, 안면 이미지 중 변형된 후의 헤어스타일을 결정한다. 이 과정에서, 종래 기술에 의할 때 변환될 헤어스타일에 대해 아핀 변환 처리하거나 인공 방식으로 CycleGAN의 트레이닝 데이터 세트에 대해 대규모 수정하는 처리로 인해 변환된 후의 헤어스타일 왜곡되는 것과 비교하면, 본 발명은 타깃 헤어스타일 함수를 사용하여 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하기에, 상기 방법은 그리드 중의 헤어스타일의 적어도 일부의 그리드의 경계선에 대해 변형할 수 있고, 안면 이미지 전체를 변환할 필요가 없고 출력이 정확하여, 안면 이미지에서 변형된 후의 헤어스타일이 왜곡되지 않도록 한다.
위에서 설명한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 발명에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 발명에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시형태는 본 발명의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진해할 수 있음을 이해해야 한다. 본 발명의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 속해야 한다.

Claims (13)

  1. 헤어스타일 변환 장치에 의해 실행되는 헤어스타일 변환 방법으로서,
    제1 결정 모듈이 안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 단계;
    그리드 구축 모듈이 상기 안면 바운딩 박스에 따라 그리드를 구축하는 단계;
    그리드 변형 모듈이 타깃 헤어스타일 함수를 사용하여 상기 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하는 단계; 및
    제2 결정 모듈이 상기 변형된 후의 그리드 곡선에 따라, 상기 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 단계;를 포함하고,
    상기 안면 바운딩 박스는 편향 축선을 포함하고, 상기 헤어스타일의 적어도 일부 그리드의 경계선은, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 포함하며,
    상기 그리드 변형 모듈이 획득한 타깃 헤어스타일 함수를 사용하여 상기 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 얻는 단계는,
    그리드에서 최우측의 그리드 경계선을 X축, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 하는 좌표계를 구축하여, 타깃 그리드 경계선 위의 점의 좌표를 획득하는 단계;
    상기 타깃 그리드 경계선 위의 점의 좌표를 상기 타깃 헤어스타일 함수에 입력하여, 변형된 후의 타깃 그리드 경계선을 획득하는 단계 - 점의 좌표는, 상기 편향 축선과 평행되는 좌표축에 대응되는 좌표임 -; 및
    상기 변형된 후의 타깃 그리드 경계선에 기반하여, 상기 변형된 후의 그리드 곡선을 결정하는 단계를 포함하며,
    상기 편향 축선은 수직 방향에서 기준선과 평행되고, 상기 편향 축선은, 상기 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선이며, 상기 기준선은, 안면 이미지 중의 안면이 정면 안면일 경우 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선인 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 변형된 후의 그리드 곡선을 획득하는 단계는,
    상기 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하는 단계; 및
    상기 거리가 0이 아니면,
    상기 타깃 그리드 경계선 중 상기 편향 축선과 평행되고, 상기 편향 축선 좌측에 위치하되 상기 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 좌측 기준 그리드 경계선으로 결정하고, 상기 타깃 헤어스타일 함수를 사용하여 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득하는 단계; 및
    상기 타깃 그리드 경계선 중 상기 편향 축선과 평행되고, 상기 편향 축선 우측에 위치하되 상기 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 우측 기준 그리드 경계선으로 결정하고, 상기 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득하는 단계; 중의 적어도 하나를 수행하는 단계;를 포함하고,
    상기 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 단계는,
    상기 좌측 기준 그리드 경계선과 상기 편향 축선 사이의 거리 및 상기 좌측 기준 헤어스타일 라인과 상기 편향 축선 사이의 거리의 비율을 좌측 변형 계수로 하고, 상기 좌측 변형 계수를 사용하여, 상기 편향 축선 좌측에 위치한, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 상기 안면 좌측의 헤어스타일 라인을 얻으며, 상기 편향 축선 좌측에 위치한, 상기 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 상기 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득하는 단계; 및
    상기 우측 기준 그리드 경계선과 상기 편향 축선 사이의 거리 및 상기 우측 기준 헤어스타일 라인과 상기 편향 축선 사이의 거리의 비율을 우측 변형 계수로 하고, 상기 우측 변형 계수를 사용하여, 상기 편향 축선 우측에 위치한, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 상기 안면 우측의 헤어스타일 라인을 얻으며, 상기 편향 축선 우측에 위치한, 상기 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 상기 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득하는 단계; 중의 적어도 하나를 포함하는 헤어스타일 변환 방법.
  4. 제1항에 있어서,
    상기 타깃 헤어스타일 함수는,
    타깃 헤어스타일 곡선을 획득하는 단계;
    상기 타깃 헤어스타일 곡선을 샘플링하여, 복수의 샘플링 포인트를 획득하는 단계; 및
    상기 복수의 샘플링 포인트를 피팅하여, 상기 타깃 헤어스타일 함수를 획득하는 단계;에 기반하여 결정되는 방법.
  5. 제4항에 있어서,
    상기 복수의 샘플링 포인트를 피팅하여, 상기 타깃 헤어스타일 함수를 획득하는 단계는,
    상기 복수의 샘플링 포인트에 대해, 3차 B 스플라인에 따라 피팅하여, 상기 타깃 헤어스타일 함수를 획득하는 단계를 포함하는 방법.
  6. 헤어스타일 변환 장치로서,
    안면 이미지의 안면 키 포인트 정보에 따라, 안면 바운딩 박스를 결정하는 제1 결정 모듈;
    상기 안면 바운딩 박스에 따라 그리드를 구축하는 그리드 구축 모듈;
    타깃 헤어스타일 함수를 사용하여 상기 그리드 중 헤어스타일의 적어도 일부 그리드를 포함하는 경계선을 변형하여, 변형된 후의 그리드 곡선을 획득하는 그리드 변형 모듈; 및
    상기 변형된 후의 그리드 곡선에 따라, 상기 안면 이미지 중 변형된 후의 헤어스타일을 결정하는 제2 결정 모듈;을 포함하고,
    상기 안면 바운딩 박스는 편향 축선을 포함하고, 상기 헤어스타일의 적어도 일부 그리드의 경계선은, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 포함하며,
    상기 그리드 변형 모듈은 또한,
    그리드에서 최우측의 그리드 경계선을 X축, 헤어스타일의 적어도 일부 그리드의 경계선에서 최상측의 그리드 경계선을 Y축으로 하는 좌표계를 구축하여, 타깃 그리드 경계선 위의 점의 좌표를 획득하고, 상기 타깃 그리드 경계선 위의 점의 좌표를 상기 타깃 헤어스타일 함수에 입력하여, 변형된 후의 타깃 그리드 경계선을 획득하고 - 점의 좌표는, 상기 편향 축선과 평행되는 좌표축에 대응되는 좌표임 - ,
    상기 변형된 후의 타깃 그리드 경계선에 기반하여, 상기 변형된 후의 그리드 곡선을 결정하도록 구성되며,
    상기 편향 축선은 수직 방향에서 기준선과 평행되고, 상기 편향 축선은, 상기 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선이며, 상기 기준선은, 안면 이미지 중의 안면이 정면 안면일 경우 안면 키 포인트 정보에서 두 눈의 중심으로부터 코끝까지의 연결선에 대응되는 그리드 경계선인 장치.
  7. 삭제
  8. 제6항에 있어서,
    상기 그리드 변형 모듈은,
    상기 편향 축선과 기준선 사이의 거리가 0이 아닌지의 여부를 검출하고,
    상기 거리가 0이 아니면,
    상기 타깃 그리드 경계선 중 상기 편향 축선과 평행되고, 상기 편향 축선 좌측에 위치하되 상기 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 좌측 기준 그리드 경계선으로 결정하고, 상기 타깃 헤어스타일 함수를 사용하여 좌측 기준 그리드 경계선을 변형하여, 좌측 기준 헤어스타일 라인을 획득하는 과정; 및
    상기 타깃 그리드 경계선 중 상기 편향 축선과 평행되고, 상기 편향 축선 우측에 위치하되 상기 편향 축선과 거리가 가장 먼 타깃 그리드 경계선을 우측 기준 그리드 경계선으로 결정하고, 상기 타깃 헤어스타일 함수를 사용하여 우측 기준 그리드 경계선을 변형하여, 우측 기준 헤어스타일 라인을 획득하는 과정; 중의 적어도 하나를 수행하고,
    상기 제2 결정 모듈은 또한,
    상기 좌측 기준 그리드 경계선과 상기 편향 축선 사이의 거리 및 상기 좌측 기준 헤어스타일 라인과 상기 편향 축선 사이의 거리의 비율을 좌측 변형 계수로 하고, 상기 좌측 변형 계수를 사용하여, 상기 편향 축선 좌측에 위치한, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 상기 안면 좌측의 헤어스타일 라인을 얻으며, 상기 편향 축선 좌측에 위치한, 상기 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 상기 안면 좌측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득하는 과정; 및
    상기 우측 기준 그리드 경계선과 상기 편향 축선 사이의 거리 및 상기 우측 기준 헤어스타일 라인과 상기 편향 축선 사이의 거리의 비율을 우측 변형 계수로 하고, 상기 우측 변형 계수를 사용하여, 상기 편향 축선 우측에 위치한, 상기 편향 축선과 평행되는 타깃 그리드 경계선을 변형하여, 상기 안면 우측의 헤어스타일 라인을 얻으며, 상기 편향 축선 우측에 위치한, 상기 타깃 그리드 경계선에 대응되는 그리드 중의 픽셀점을 샘플링하여, 상기 안면 우측의 헤어스타일 라인에 대응되는 변형된 후의 그리드 중의 픽셀점을 획득하는 과정; 중의 적어도 하나를 수행하는 장치.
  9. 제6항에 있어서,
    상기 장치는,
    타깃 헤어스타일 곡선을 획득하는 헤어스타일 획득 모듈;
    상기 타깃 헤어스타일 곡선을 샘플링하여, 복수의 샘플링 포인트를 획득하는 헤어스타일 샘플링 모듈; 및
    상기 복수의 샘플링 포인트를 피팅하여, 상기 타깃 헤어스타일 함수를 획득하는 함수 피팅 모듈;을 더 포함하는 장치.
  10. 제9항에 있어서,
    상기 함수 피팅 모듈은,
    상기 복수의 샘플링 포인트에 대해, 3차 B 스플라인에 따라 피팅하여, 상기 타깃 헤어스타일 함수를 획득하는 장치.
  11. 전자 기기로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리;를 포함하고,
    상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되며, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행될 경우, 상기 적어도 하나의 프로세서가 제1항, 제3항 내지 제5항 중 어느 한 항에 따른 방법을 수행하는 전자 기기.
  12. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서,
    상기 컴퓨터 명령은 상기 컴퓨터가 제1항, 제3항 내지 제5항 중 어느 한 항에 따른 방법을 수행하도록 하는 저장 매체.
  13. 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1항, 제3항 내지 제5항 중 어느 한 항에 따른 방법을 구현하는 컴퓨터 프로그램.
KR1020210037178A 2020-07-31 2021-03-23 헤어스타일 변환 방법, 장치, 기기 및 저장 매체 KR102488517B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010758598.6A CN111899159B (zh) 2020-07-31 2020-07-31 用于变换发型的方法、装置、设备以及存储介质
CN202010758598.6 2020-07-31

Publications (2)

Publication Number Publication Date
KR20210039996A KR20210039996A (ko) 2021-04-12
KR102488517B1 true KR102488517B1 (ko) 2023-01-13

Family

ID=73184103

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210037178A KR102488517B1 (ko) 2020-07-31 2021-03-23 헤어스타일 변환 방법, 장치, 기기 및 저장 매체

Country Status (5)

Country Link
US (1) US11631154B2 (ko)
EP (1) EP3855386B1 (ko)
JP (1) JP7418370B2 (ko)
KR (1) KR102488517B1 (ko)
CN (1) CN111899159B (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446821B (zh) * 2020-11-24 2023-01-24 北京达佳互联信息技术有限公司 一种图像处理方法、装置及电子设备
CN112819921B (zh) * 2020-11-30 2023-09-26 北京百度网讯科技有限公司 用于改变人物的发型的方法、装置、设备和存储介质
CN114373057A (zh) * 2021-12-22 2022-04-19 聚好看科技股份有限公司 一种头发与头部模型的匹配方法及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014090885A (ja) * 2012-11-02 2014-05-19 Shiseido Co Ltd ヘアシミュレーション装置、ヘアシミュレーション方法、及びヘアシミュレーションプログラム
WO2018084241A1 (ja) * 2016-11-07 2018-05-11 らしさ・ドット・コム株式会社 ヘアスタイルシミュレーション装置、ヘアスタイルシミュレーション方法、及びコンピュータプログラム
WO2019216879A1 (en) * 2018-05-07 2019-11-14 Google Llc Perspective distortion correction on faces

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5060171A (en) * 1989-07-27 1991-10-22 Clearpoint Research Corporation A system and method for superimposing images
JP2002083318A (ja) 2000-09-07 2002-03-22 Sony Corp 画像処理装置および方法、並びに記録媒体
JP5656603B2 (ja) 2010-12-14 2015-01-21 キヤノン株式会社 情報処理装置、情報処理方法、およびそのプログラム
CN103606186B (zh) * 2013-02-02 2016-03-30 浙江大学 一种图像与视频的虚拟发型建模方法
CN104915981A (zh) * 2015-05-08 2015-09-16 寇懿 基于体感传感器的三维立体发型设计方法
US10796480B2 (en) * 2015-08-14 2020-10-06 Metail Limited Methods of generating personalized 3D head models or 3D body models
US10922716B2 (en) * 2017-03-09 2021-02-16 Adobe Inc. Creating targeted content based on detected characteristics of an augmented reality scene
CN107274493B (zh) * 2017-06-28 2020-06-19 河海大学常州校区 一种基于移动平台的三维虚拟试发型人脸重建方法
KR102193638B1 (ko) * 2017-10-19 2020-12-23 주식회사 버츄어라이브 헤어 스타일 시뮬레이션 서비스를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
CN109410315A (zh) * 2018-08-31 2019-03-01 南昌理工学院 发型设计方法、装置、可读存储介质及智能终端

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014090885A (ja) * 2012-11-02 2014-05-19 Shiseido Co Ltd ヘアシミュレーション装置、ヘアシミュレーション方法、及びヘアシミュレーションプログラム
WO2018084241A1 (ja) * 2016-11-07 2018-05-11 らしさ・ドット・コム株式会社 ヘアスタイルシミュレーション装置、ヘアスタイルシミュレーション方法、及びコンピュータプログラム
WO2019216879A1 (en) * 2018-05-07 2019-11-14 Google Llc Perspective distortion correction on faces

Also Published As

Publication number Publication date
EP3855386A3 (en) 2021-09-08
US11631154B2 (en) 2023-04-18
CN111899159B (zh) 2023-12-22
EP3855386B1 (en) 2023-09-20
CN111899159A (zh) 2020-11-06
KR20210039996A (ko) 2021-04-12
JP2022003505A (ja) 2022-01-11
EP3855386A2 (en) 2021-07-28
JP7418370B2 (ja) 2024-01-19
US20210201441A1 (en) 2021-07-01

Similar Documents

Publication Publication Date Title
US11587300B2 (en) Method and apparatus for generating three-dimensional virtual image, and storage medium
JP7227292B2 (ja) 仮想アバター生成方法および装置、電子機器、記憶媒体並びにコンピュータプログラム
KR102488517B1 (ko) 헤어스타일 변환 방법, 장치, 기기 및 저장 매체
US11748934B2 (en) Three-dimensional expression base generation method and apparatus, speech interaction method and apparatus, and medium
US20210224993A1 (en) Method for training generative network, method for generating near-infrared image and device
US20210383605A1 (en) Driving method and apparatus of an avatar, device and medium
WO2017193906A1 (zh) 一种图像处理方法及处理系统
KR20210038482A (ko) 얼굴 융합 모델 트레이닝 방법, 장치 및 전자 기기
CN113643412A (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
JP2021193547A (ja) キーポイント学習モデルを構築するための方法、装置、電子デバイス及びコンピュータ可読記憶媒体
JP7268071B2 (ja) バーチャルアバターの生成方法及び生成装置
CN111860362A (zh) 生成人脸图像校正模型及校正人脸图像的方法和装置
TWI780919B (zh) 人臉影像的處理方法、裝置、電子設備及儲存媒體
CN111539897A (zh) 用于生成图像转换模型的方法和装置
CN111523467B (zh) 人脸跟踪方法和装置
CN116051729A (zh) 三维内容生成方法、装置和电子设备
CN115578515B (zh) 三维重建模型的训练方法、三维场景渲染方法及装置
CN115147265A (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN111754431B (zh) 一种图像区域替换方法、装置、设备及存储介质
CN114998433A (zh) 位姿计算方法、装置、存储介质以及电子设备
CN111599002A (zh) 用于生成图像的方法和装置
CN113658035A (zh) 脸部变换方法、装置、设备、存储介质以及产品
CN112270760A (zh) 一种定位方法、装置、电子设备及存储介质
CN113327311B (zh) 基于虚拟角色的显示方法、装置、设备、存储介质
CN113223128A (zh) 用于生成图像的方法和装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant