[发明专利]一种参考灰度图辅助绘画的方法

说明书

本发明公开了一种参考灰度图辅助绘画的方法，包括训练阶段：获取训练图像，并将训练图像转化为灰度图，同时将训练图像进行语义分割标注获得语义分割图像，以语义分割图像作为输入，以对应的灰度图作为输出，对能够实现图像转化为图像的深度学习模型进行训练，确定模型参数，获得灰度图生成模型；应用阶段：绘制语义分割图，并将绘制的语义分割图输入至灰度图生成模型中，经计算生成多张灰度图，根据从灰度图中选择可以参考的灰度图，对语义分割图进行纹理绘制，完善绘画作品。该绘画辅助方法将通过语义分割图转换成生成灰度图，提供绘画上的内容细节上的明暗、纹理参考，支持作者从灰度图中寻找灵感，减少作画者在构思作品细节上的时间。

技术领域

本发明属于绘画辅助领域，具体涉及一种参考灰度图辅助绘画的方法。

背景技术

随着计算机行业的发展，计算机在创意设计的过程中经历了执行、模仿、助手的转变。在绘画创作领域，计算机从一个提供多种功能的工具逐渐转变成绘画辅助的角色。技术的发展已经使得计算机可以通过学习某位画家的作品，捕捉其风格，加以模仿进行绘画创作。计算机扮演的助手角色也可以实现用户和计算机协同创作，在创作的过程中为用户提供各式各样的支持，让非专业人士也可以进行高水平的绘画创作。在辅助绘画的领域，计算机辅助仍有极大的可扩展空间。

现有的人工智能技术生成技术在绘画中的应用可简单分为作品生成以及辅助信息生成两个方面。作品生成直接生成最终的结果，结果通常是固定不变的。辅助信息生成在作画过程中提供辅助信息，帮助作画者快速得到最后的结果。

作品生成的应用基于作者画的初稿，作者先设计简单的作品初稿，例如草稿、线稿、布局图等，人工智能技术直接完成接下来的生成工作，直接将简单的作品初稿生成最终的作品。这样的方法虽然非常便利，但是给予了模型相当大的自由空间，模型可选择生成的结果种类过多，导致生成的图像效果非常差，同时过度依赖初稿的内容和作画水平，只有极少部分的符合模型生成的初稿内容能得到良好的结果。尽管目前的深度学习模型已经能够学习出画作的风格，并可以通过风格迁移的方式得到最终的作品，效果也较好，但是这样的作品往往都是抽象的，细微的差别并不会影响整幅画作的体验。而在非抽象的视觉图像上，人对细小的扭曲和错乱是很敏感的，而人工智能技术生成的作品往往会具有违反常识的误差。限于目前的生成技术，在非抽象的图像领域直接将人工智能技术生成的结果作为作品仍有很多困难需要解决。

辅助信息生成的应用将生成结果在作画过程中提供给作者用作参考，这样的参考方式种类较多，例如画线稿时提供下一笔的预测线条，画布局图时提供生成效果以作参考。这些方式提供的参考效果单一，通常基于线条和整体的效果，绝大部份不提供细节内容上的指导。而作画者在通常的作画过程中要丰富画作的细节，需要从日常生活和记忆中获取细节的灵感，非常需要这方面的指导和参考。目前也缺少人工智能技术上的相关应用支持提供内容细节上的参考。

发明内容

本发明的目的是提供一种参考灰度图辅助绘画的方法，该绘画辅助方法将通过语义分割图转换成生成灰度图，提供绘画上的内容细节上的明暗、纹理参考，支持作者从灰度图中寻找灵感，减少作画者在构思作品细节上的时间，进而能够高效、便捷地辅助绘画。

为实现上述发明目的，本发明提供以下技术方案：

一种参考灰度图辅助绘画的方法，包括以下步骤：

训练阶段：获取训练图像，并将训练图像转化为灰度图，确定语义种类和颜色-语义对应关系，根据颜色-语义对应关系对训练图像进行语义分割，获得语义分割图像，以语义分割图像作为输入，以对应的灰度图作为输出，对能够实现图像转化为图像的深度学习模型进行反复迭代训练，获得语义分割图到灰度图的转化模型；

应用阶段：按照颜色-语义对应关系和语义种类，根据绘画意图绘制语义分割图，并将绘制的语义分割图输入至语义分割图到灰度图的转化模型中，经计算生成多张灰度图，根据从灰度图中选择参考的灰度图，对语义分割图进行纹理绘制，丰富绘画作品的内容。