[发明专利]用于生成三维图像的方法和装置

说明书

本申请实施例公开了用于生成三维图像的方法和装置。该方法的一具体实施方式包括获取目标彩色图像；将目标彩色图像输入至预先训练的深度网络模型，得到目标彩色图像对应的目标深度图像，其中，深度网络模型用于生成深度图像；基于目标深度图像生成目标三维图像。该实施方式摆脱了对于三维相机的依赖，降低了实现成本，而且彩色图像的获取非常方便，从而可适用于各种不同的场景，具有广泛适用性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成三维图像的方法和装置。

背景技术

三维图像又叫做3D立体图。3D立体图视觉上层次分明色彩鲜艳，具有很强的视觉冲击力，让观看的人驻景时间长，留下深刻的印象。3D立体图给人以真实、栩栩如生，人物呼之欲出，有身临其境的感觉，有很高的艺术欣赏价值。

目前，通常采用3D相机来采集3D立体图。3D相机是可以用裸眼欣赏立体画像或动画的相机。3D相机的诞生，也就意味着人们可以不必使用专业眼镜、用肉眼就可以享受立体图像的效果。3D相机一般装配有2个镜头，以便可以再现立体影像，并且3D相机的价格通常都比较高。

发明内容

本申请实施例提出了用于生成三维图像的方法和装置。

第一方面，本申请实施例提供了一种用于生成三维图像的方法，包括：获取目标彩色图像；将目标彩色图像输入至预先训练的深度网络模型，得到目标彩色图像对应的目标深度图像，其中，深度网络模型用于生成深度图像；基于目标深度图像生成目标三维图像。

在一些实施例中，深度网络模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本彩色图像和对应的样本深度图像；利用机器学习方法，基于训练样本集合对初始深度网络模型进行训练，得到深度网络模型。

在一些实施例中，初始深度网络模型是生成式对抗网络，生成式对抗网络包括生成模型和判别模型；以及利用机器学习方法，基于训练样本集合对初始深度网络模型进行训练，得到深度网络模型，包括：对于训练样本集合中的训练样本，将该训练样本中的样本彩色图像输入生成模型，得到生成深度图像；将生成深度图像和该训练样本中的样本深度图像输入判别模型，得到判别结果，其中，判别结果用于表征生成深度图像和该训练样本中的样本深度图像是真实深度图像的概率；基于判别结果调整生成模型和判别模型的参数。

在一些实施例中，训练样本集合是利用Kinect设备或RGB-D相机采集的。

在一些实施例中，基于目标深度图像生成目标三维图像，包括：结合目标深度图像以及目标彩色图像生成目标三维图像。

第二方面，本申请实施例提供了一种用于生成三维图像的装置，包括：获取单元，被配置成获取目标彩色图像；输入单元，被配置成将目标彩色图像输入至预先训练的深度网络模型，得到目标彩色图像对应的目标深度图像，其中，深度网络模型用于生成深度图像；生成单元，被配置成基于目标深度图像生成目标三维图像。

在一些实施例中，深度网络模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本彩色图像和对应的样本深度图像；利用机器学习方法，基于训练样本集合对初始深度网络模型进行训练，得到深度网络模型。

在一些实施例中，初始深度网络模型是生成式对抗网络，生成式对抗网络包括生成模型和判别模型；以及利用机器学习方法，基于训练样本集合对初始深度网络模型进行训练，得到深度网络模型，包括：对于训练样本集合中的训练样本，将该训练样本中的样本彩色图像输入生成模型，得到生成深度图像；将生成深度图像和该训练样本中的样本深度图像输入判别模型，得到判别结果，其中，判别结果用于表征生成深度图像和该训练样本中的样本深度图像是真实深度图像的概率；基于判别结果调整生成模型和判别模型的参数。

在一些实施例中，训练样本集合是利用Kinect设备或RGB-D相机采集的。