[发明专利]图像处理模型的训练方法、装置、计算机设备和存储介质

权利要求书

1.一种图像处理模型的训练方法，其特征在于，所述方法包括：

获取三元组样本，所述三元组样本包括源图像、第一图像和目标图像；所述源图像和所述目标图像中包括相同对象的脸部，所述相同对象在所述源图像和所述目标图像中对应不同的非身份属性，所述第一图像和所述源图像中包括不同对象的脸部，所述不同对象在所述第一图像和所述源图像中对应相同的非身份属性；所述第一图像和所述目标图像中包括不同对象的脸部，所述不同对象在所述第一图像和所述目标图像中对应相同的非身份属性；

将所述源图像和所述第一图像输入图像处理模型中的生成器，以通过所述生成器将所述第一图像中对象的脸部替换为所述源图像中对象的脸部，得到输出图像；

将所述源图像、所述第一图像、所述目标图像和所述输出图像输入所述图像处理模型中的判别器，得到图像属性判别结果；所述图像属性包括伪造图像和非伪造图像；

根据所述图像属性判别结果调整所述生成器的参数和所述判别器的参数并继续训练，当满足预设条件时停止训练，得到训练好的图像处理模型。

2.根据权利要求1所述的方法，其特征在于，所述获取三元组样本，包括：

获取源图像、目标图像和第二图像，所述第二图像和所述目标图像对应不同的身份属性；

将所述目标图像中对象的脸部替换为第二图像中对象的脸部，得到第一图像；所述第一图像和所述第二图像对应相同的身份属性；

将所述源图像、所述第一图像和所述目标图像作为三元组样本。

3.根据权利要求1所述的方法，其特征在于，所述获取三元组样本，包括：

获取原始视频和目标视频，所述原始视频和所述目标视频对应相同的非身份属性，所述原始视频和所述目标视频对应不同的身份属性；

从所述原始视频中获取包含同一对象的图像作为源图像和目标图像；

从所述目标视频中获取与所述原始视频中的目标图像相同帧的图像作为第一图像；

将所述源图像、所述第一图像和所述目标图像作为三元组样本。

4.根据权利要求1所述的方法，其特征在于，所述将所述源图像、所述第一图像、所述目标图像和所述输出图像输入所述图像处理模型中的判别器，得到图像属性判别结果，包括：

将所述源图像、所述第一图像、所述目标图像作为第一组合输入所述图像处理模型中的判别器，得到所述第一组合对应的第一判别概率；所述第一判别概率表征所述第一组合为非伪造图像的概率；

将所述源图像、所述第一图像、所述输出图像作为第二组合输入所述判别器，得到所述第二组合对应的第二判别概率；所述第二判别概率表征所述第二组合为伪造图像的概率；

所述根据所述图像属性判别结果调整所述生成器的参数和所述判别器的参数并继续训练，包括：

根据所述第一判别概率和所述第二判别概率调整所述生成器的参数和所述判别器的参数并继续训练。

5.根据权利要求4所述的方法，其特征在于，根据所述第一判别概率和所述第二判别概率调整所述判别器的参数，包括：

获取所述第一组合对应的标签和所述第二组合对应的第一标签，根据所述第一组合对应的标签、所述第一判别概率、所述第二组合对应的第一标签和所述第二判别概率确定第一损失函数；

基于所述第一损失函数训练所述判别器，满足训练停止条件时得到训练好的判别器。

6.根据权利要求1所述的方法，其特征在于，所述图像处理模型中的生成器的训练方式包括：

获取所述输出图像和所述目标图像之间的特征向量相似度、通道空间相似度、多层次特征相似度，以及所述输出图像和所述源图像之间的特征向量相似度；

根据所述输出图像和所述目标图像之间的特征向量相似度、通道空间相似度、多层次特征相似度，以及所述输出图像和所述源图像之间的特征向量相似度构建第二损失函数；

基于所述第二损失函数训练图像处理模型中的生成器，当满足训练停止条件时停止训练，得到训练好的生成器。