[发明专利]一种视差图预测方法、装置及电子设备

说明书

本发明实施例提供了一种视差图预测方法、装置及电子设备，可以获得待预测视差图的第一单目视图；将所述第一单目视图，输入到预先训练好的视差图预测网络模型；所述视差图预测网络模型为：基于多个3D片源样本对初始视差图预测网络模型和初始边缘识别网络模型进行训练获得；所述第一单目视图为左视图或右视图；获得视差图预测网络模型输出的第一预测视差图。可见，应用本发明实施例，基于多个3D片源样本，对视差图预测网络模型和初始边缘识别网络模型进行训练，获得的视差图预测网络模型在训练过程中引入物体边缘信息，可以使物体边缘的视差过渡明显，物体的边缘更清晰。

技术领域

本发明涉及2D图像转换成3D图像的技术领域，特别是涉及一种视差图预测方法、装置及电子设备。

背景技术

目前，将一张2D图像转换成3D图像的方法，通常是：将2D图像做为左视图，预测出左视差图或右视差图，再根据预测的左视差图或右视差图获得预测的右视图，再用左视图和右视图转换成3D图像。

其中，根据一张2D图像预测视差图，是2D图像转换为3D图像的重要步骤。现有技术中，进行视差图预测的方法通常是：将左视图输入视差图预测网络模型中，获得预测的视差图；这个网络模型是用大量的2D图像对单一网络模型进行训练获得的。

发明人在实现本发明的过程中发现，现有技术至少存在如下问题：

在使用单一网络模型进行训练获得的视差图预测网络模型预测出的视差图，对2D图像进行3D图像转换的时候，物体的边缘不够清晰。

发明内容

本发明实施例的目的在于提供一种视差图预测方法、装置及电子设备。

用以解决在用视差图预测网络模型预测出的视差图，对2D图像进行3D图像转换的时候，物体的边缘不够清晰的问题。

具体技术方案如下：

第一方面，本发明实施例提供了一种视差图预测的方法，所述方法包括：

获得待预测视差图的第一单目视图；

将所述第一单目视图，输入到预先训练好的视差图预测网络模型；所述视差图预测网络模型为：基于多个3D片源样本对初始视差图预测网络模型和初始边缘识别网络模型进行训练获得；所述第一单目视图为左视图或右视图；

获得视差图预测网络模型输出的第一预测视差图。

可选的，

所述视差图预测网络模型的训练过程，包括：

利用所述多个3D片源样本的右视图对初始边缘识别网络进行训练，获得过渡边缘识别网络；

利用所述多个3D片源样本的左视图，对所述初始视差图预测网络进行第一预设次数的预训练，获得过渡视差图预测网络；

利用所述多个3D片源样本的左视图和右视图，对所述过渡视差图预测网络和过渡边缘识别网络进行训练，获得最终的视差图预测网络。

可选的，

所述多个3D片源样本为多个3D视频；

所述利用所述多个3D片源样本的左视图，对所述初始视差图预测网络进行第一预设次数的预训练，获得过渡视差图预测网络的步骤，包括：

按如下预训练步骤，对所述初始视差图预测网络进行第一预设次数的预训练，获得过渡视差图预测网络：

从所述多个3D片源样本中获取预设数量的连续视频帧，作为第一样本；

将各个第一样本的左视图输入初始视差图预测网络，获得各个第一样本的第一预测视差图；

将各个第一样本的右视图输入所述过渡边缘识别网络，获得各个第一样本的过渡第一边缘图；