[发明专利]基于位移场的自动液化实现方法

说明书

本发明公开了基于位移场的自动液化实现方法，涉及图片修饰技术领域，具体为包括以下操作步骤：A、基于图形生成液化位移场的深度学习模型；B、自动液化操作网络训练结构；C、自动液化操作网络调整。该基于位移场的自动液化实现方法，自动调整照片中人像形态结构,自动进行人像修图液化操作,可对人像发型,脸型,五官,脖子,肩膀,身形等进行液化操作,可根据人像的特性进行不同的修图效果,保持人像的原有身份特性.使照片的整体的比例和谐,提升协调性。

技术领域

本发明涉及图片修饰技术领域，具体为基于位移场的自动液化实现方法。

背景技术

Face landmark检测器，即人脸特征检测器，可以于图片上的人体面部获得控制点并形成位移场，位移场是指物体三维空间内的位移矢量的空间分布状况，即控制点于图像面部上的空间分布分布，控制点于位移场中进行移动从而对脸部图像进行液化操作，从而实现瘦脸、五官调整等功能。

现有的图像液化操作只能于面部获得有限的控制点，只能控制脸部的瘦脸,五官调整,不能扩大调整范围,无法针对发型,身形,脖子等更多的区域进行调整，且对于脸部瘦脸和五官调整方式以固定方向和距离进行,对于不同人的脸型的操作没有差别,这导致不能保持人物原有的特性,人物瘦脸产生相同的效果。

发明内容

针对现有技术的不足，本发明提供了基于位移场的自动液化实现方法，解决了上述背景技术中提出现有的图像液化操作只能于面部获得有限的控制点，只能控制脸部的瘦脸,五官调整的问题,不能扩大调整范围,无法针对发型,身形,脖子等更多的区域进行调整，且对于脸部瘦脸和五官调整方式以固定方向和距离进行,对于不同人的脸型的操作没有差别,这导致不能保持人物原有的特性,人物瘦脸产生相同的效果的问题。

为实现以上目的，本发明通过以下技术方案予以实现：基于位移场的自动液化实现方法，包括以下操作步骤：

A、基于图形生成液化位移场的深度学习模型；

B、自动液化操作网络训练结构；

C、自动液化操作网络调整；

可选的，所述步骤A中基于图形生成液化位移场的深度学习模型包括以下操作步骤：

A1、生成器通过对原始图像与人工修图后的图像之间的差异值进行分类学习，差异值包括：五官、发型、肢体、服饰、光线、色彩、纹理等结构特征；

可选的，所述步骤B中自动液化操作网络训练结构包括以下操作步骤：

B1、基于A1中对结构特征的大量学习，将原始图像导入生成器中；

B2、原始图像为高清图像，分辨率为3000*5000至5000*5000之间，通过对原始图像下采样缩小图像尺寸，即将高分辨率降低至512*512；

B3、通过编码器将原始图像中的五官、发型、肢体、服饰、光线、色彩、纹理等结构特征提取并提取出提取物之间结构关系，再通过解码器将提取物与至结构关系自适应归一化并于64*64*2的位移场中形成控制点；

B4、基于A1中的修图学习自动控制控制点于位移场移动进行修图作业，同时基于B3已提取出的结构特征与结构之间的关系进行保留，再通过采用双线值差的方式将修图后的图像从512*512的分辨率上采样返回原始图像的尺寸分辨率；

B5、基于B4中的原始图像进行扭曲映射，即通过仿射变换将原始图像扭曲得到液化后的图像(此图像称为AI液化图像)；

可选的，所述步骤C中自动液化操作网络调整包括以下操作步骤：

C1、AI液化图像与人工修图后的图像进行对比，并将两者之间的差异值通过随机梯度下降的方式对生产器的计算方式进行调整，直至AI液化图像与人工修图图像之间的差异值降至最低。