[发明专利]人脸图像重演方法、装置、计算机设备及存储介质

权利要求书

1.一种人脸图像重演方法，其特征在于，包括：

采集目标用户人脸图像的第一参数集和第二参数集；

根据所述第一参数集和第二参数集对所述人脸图像进行三维建模，生成第一模拟图像和第二模拟图像；

将所述第一模拟图像和第二模拟图像输入至预设的运动预估模型中，其中，所述运动预估模型用于根据同一人脸的不同图像计算人脸运动向量的神经网络模型；

读取所述运动预估模型输出的运动向量，并将预设的源图像和所述运动向量输入至预设的人脸重演模型中，其中，所述人脸重演模型用于根据人脸图像和运动向量生成重演图像的神经网络模型；

读取所述人脸重演模型输出的所述人脸图像的重演图像。

2.根据权利要求1所述的人脸图像重演方法，其特征在于，所述采集目标用户人脸图像的第一参数集和第二参数集包括：

采集所述人脸图像的源图像和驱动图像，其中，所述源图像和驱动图像中的人脸图像存在姿态差异；

通过所述源图像采集所述第一参数集，并通过所述驱动图像采集所述第二参数集。

3.根据权利要求1所述的人脸图像重演方法，其特征在于，所述第一参数集包括：第一身份系数、第一表情系数和第一姿态系数，所述第二参数集包括：第一身份系数、第二表情系数和第二姿态系数，所述根据所述第一参数集和第二参数集对所述人脸图像进行三维建模，生成第一模拟图像和第二模拟图像：

将所述第一身份系数、第一表情系数和第一姿态系数输入至预设的三维建模模型中，生成所述第一模拟图像；

将所述第一身份系数、第二表情系数和第二姿态系数输入至所述三维建模模型中，生成所述第二模拟图像。

4.根据权利要求1所述的人脸图像重演方法，其特征在于，所述运动预估模型包括第一卷积通道和第一反卷积通道，所述将所述第一模拟图像和第二模拟图像输入至预设的运动预估模型中包括：

将所述第一模拟图像和第二模拟图像进行图像叠加后生成第一叠加图像，并将所述第一叠加图像输入至所述运动预估模型中；

所述运动预估模型通过第一卷积通道对所述第一叠加图像进行卷积池化处理，生成第一下采样特征；

所述运动预估模型通过第一反卷积通道对所述第一下采样特征进行插值处理，生成第一上采样特征；

将所述第一下采样特征和所述第一上采样特征进行特征融合叠加生成所述运动向量。

5.根据权利要求1所述的人脸图像重演方法，其特征在于，所述人脸重演模型包括第二卷积通道和第二反卷积通道，所述将预设的源图像和所述运动向量输入至预设的人脸重演模型中包括：

将所述源图像和运动向量进行叠加后生成第二叠加图像，并将所述第二叠加图像输入至所述人脸重演模型中；

所述人脸重演模型通过所述第二卷积通道对所述第二叠加图像进行卷积池化处理，生成第二下采样特征；

所述人脸重演模型通过所述第二反卷积通道对所述第二下采样特征进行插值处理，生成第二上采样特征；

将所述第二下采样特征和所述第二上采样特征进行特征融合叠加生成所述重演图像。

6.根据权利要求1所述的人脸图像重演方法，其特征在于，所述将预设的源图像和所述运动向量输入至预设的人脸重演模型中之后，包括：

读取预设的驱动图像，其中，所述第二参数集根据所述驱动图像提取得到；

基于预设的损失函数，计算所述重演图像与所述驱动图像之间的特征差值；

将所述特征差值与预设的损失阈值进行比对，当所述特征差值大于所述损失阈值，根据所述特征差值反复迭代的对所述运动预估模型和人脸重演模型的权重进行校正，直至所述特征差值小于等于所述损失阈值为止。

7.根据权利要求6所述的人脸图像重演方法，其特征在于，所述损失函数为联合损失函数，所述联合损失函数用于约束所述重演图像与所述驱动图像之间的像素差平方平均值，以及特征余弦相似度值。