[发明专利]人脸属性编辑模型的训练方法、人脸属性编辑方法及设备

说明书

本申请实施例公开了一种人脸属性编辑模型的训练方法、人脸属性编辑方法及设备，属于人工智能领域。该方法包括：将第一图片输入图片编码器，得到图片编码器输出的编码特征；将编码特征分别输入第一图片解码器和第二图片解码器，得到第二图片和第三图片；基于第二图片和第三图片，构建第一图片解码器的目标损失函数，目标损失函数包括对抗损失和特征匹配损失，特征匹配损失用于约束图片间深层语义特征的相似性；基于目标损失函数训练第一图片解码器，将图片编码器和训练得到的第一图片解码器确定为人脸属性编辑模型。采用本申请实施例提供的方案，能够保证生成图片与原始图片中深层特征的一致性，有助于提高人脸属性的编辑质量。

技术领域

本申请实施例涉及人工智能领域，特别涉及一种人脸属性编辑模型的训练方法、人脸属性编辑方法及设备。

背景技术

人脸属性编辑是一种改变图片或视频中人脸特定属性的技术，比如，通过人脸属性编辑可以实现将图片中人脸变老、变年轻、将男性人脸变为女性人脸、或变为明星脸。

相关技术中，通常采用基于自编码器(auto-encoder)训练得到人脸属性编辑模型进行人脸属性编辑。其中，在训练人脸属性编辑模型时，通常以对抗损失作为损失函数进行模型训练。

然而，采用对抗损失作为损失函数进行模型训练时，由于训练过程中仅关注待编辑的属性，因此容易导致生成图片的特征丢失，影响人脸属性编辑质量。

发明内容

本申请实施例提供了一种人脸属性编辑模型的训练方法、人脸属性编辑方法及设备。所述技术方案如下：

一方面，本申请实施例提供了一种人脸属性编辑模型的训练方法，所述方法包括：

将第一图片输入图片编码器，得到所述图片编码器输出的编码特征，所述第一图片中的人脸具有第一属性；

将所述编码特征分别输入第一图片解码器和第二图片解码器，得到所述第一图片解码器输出的第二图片，以及所述第二解码器输出的第三图片，所述第二图片中的人脸具有第二属性，所述第三图片中的人脸具有第一属性，且所述第一属性不同于所述第二属性；

基于所述第二图片和所述第三图片，构建所述第一图片解码器的目标损失函数，所述目标损失函数包括对抗损失和特征匹配损失，所述特征匹配损失用于约束图片间深层语义特征的相似性；

基于所述目标损失函数训练所述第一图片解码器，并将所述图片编码器和训练得到的所述第一图片解码器确定为所述人脸属性编辑模型。

另一方面，本申请实施例提供了一种人脸属性编辑方法，所述方法包括：

获取待编辑图片和目标人脸属性，所述待编辑图片中人脸的属性与所述目标人脸属性不同；

确定所述目标人脸属性对应的目标人脸属性编辑模型，所述目标人脸属性编辑模型由图片编码器和图片解码器构成，且所述图片解码器基于目标损失函数训练得到，所述目标损失函数包括对抗损失和特征匹配损失，所述特征匹配损失用于约束图片间深层语义特征的相似性；

将所述待编辑图片输入所述目标人脸属性编辑模型，得到所述目标人脸属性编辑模型输出的目标图片，所述目标图片中的人脸具有所述目标人脸属性。

另一方面，本申请实施例提供了一种人脸属性编辑模型的训练装置，所述装置包括：

编码模块，用于将第一图片输入图片编码器，得到所述图片编码器输出的编码特征，所述第一图片中的人脸具有第一属性；

解码模块，用于将所述编码特征分别输入第一图片解码器和第二图片解码器，得到所述第一图片解码器输出的第二图片，以及所述第二解码器输出的第三图片，所述第二图片中的人脸具有第二属性，所述第三图片中的人脸具有第一属性，且所述第一属性不同于所述第二属性；