[发明专利]人脸表情迁移方法、装置以及计算机设备在审

专利信息
申请号: 202110906728.0 申请日: 2021-08-09
公开(公告)号: CN113705368A 公开(公告)日: 2021-11-26
发明(设计)人: 申子宜 申请(专利权)人: 上海幻电信息科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京英特普罗知识产权代理有限公司 11015 代理人: 邓小玲;王勇
地址: 200120 上海市浦东新区中国(上海)*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 表情 迁移 方法 装置 以及 计算机 设备
【说明书】:

本申请公开了一种人脸表情迁移方法,该方法包括:获取第一人脸图像和第二人脸图像;将所述第一人脸图像和所述第二人脸图像分别执行三维转换,得到对应的第三人脸图像和第四人脸图像;通过预设的自监督表情重建模型提取所述第四人脸图像的表情数据并融合到所述第三人脸图像,得到新第三人脸图像;对所述新第三人脸图像执行二维转换,得到新第一人脸图像,所述新第一人脸图像的表情与所述第二人脸图像的表情相一致。本申请还提供一种人脸表情迁移装置、计算机设备以及计算机可读存储介质。本申请通过自监督表情重建模型对一个三维人脸图像的表情数据进行提取然后迁移到另一个三维人脸图像,从而实现准确而又快速地实现人脸表情迁移。

技术领域

本申请涉及机器学习技术领域,尤其涉及一种人脸表情迁移方法、装置、计算机设备及计算机可读存储介质。

背景技术

人脸表情迁移技术是指通过某种映射关系,将输入人脸的表情映射到目标人脸上。该技术不仅可以使得用户通过输入人脸来控制目标图片或视频中的人脸表情,还能为人脸识别任务提供数据增强服务。

但由于人脸特征多样性,相同表情且同一程度的人脸数据无法收集,因此,对于人脸表情重建过程,十分耗时,且表情无法准确迁移。

发明内容

有鉴于此,本申请提出一种人脸表情迁移方法、装置、计算机设备及计算机可读存储介质,能够解决上述的人脸表情迁移中的耗时长、精确度低的问题。

首先,为实现上述目的,本申请提供一种人脸表情迁移方法,所述方法包括:

获取第一人脸图像和第二人脸图像;将所述第一人脸图像和所述第二人脸图像分别执行三维转换,得到对应的第三人脸图像和第四人脸图像;通过预设的自监督表情重建模型提取所述第四人脸图像的表情数据并替换到所述第三人脸图像,得到新第三人脸图像;对所述新第三人脸图像执行二维转换,得到新第一人脸图像,所述新第一人脸图像的表情与所述第二人脸图像的表情相一致。

在一个例子中,所述将所述第一人脸图像和所述第二人脸图像分别执行三维转换,得到对应的第三人脸图像和第四人脸图像,包括:通过学习在不进行三维监督的情况下从图像中回归三维人脸形状和表情的方式,分别从所述第一人脸图像和所述第二人脸图像中分别得到所述第三人脸图像和所述第四人脸图像。

在一个例子中,所述自监督表情重建模型是预先将第五人脸图像和第六人脸图像作为训练数据对初始自监督表情重建模型进行训练得到的,其中,所述第五人脸图像和所述第六人脸图像均为三维图像。

在一个例子中,所述将第五人脸图像和第六人脸图像作为训练数据对初始自监督表情重建模型进行训练,包括:将所述第五人脸图像和所述第六人脸图像输入到初始自监督表情重建模型进行训练,输出第七人脸图像和第八人脸图像,其中,所述第七人脸图像包括所述第五人脸图像的人脸且表情与所述第六人脸图像的表情相一致,所述第八人脸图像包括所述第六人脸图像的人脸且表情与所述第五人脸图像的表情相一致;将所述第七人脸图像和所述第八人脸图像输入到初始自监督表情重建模型进行训练,输出第九人脸图像和第十人脸图像,其中,所述第九人脸图像包括所述第五人脸图像的人脸且表情与所述第五人脸图像的表情相一致,所述第十人脸图像包括所述第六人脸图像的人脸且表情与所述第六人脸图像的表情相一致;判断所述第九人脸图像的表情与所述第五人脸的表情的相似度是否超过预设的第一阈值和/或所述第十人脸图像的表情与所述第六人脸的表情的相似度是否超过预设的第二阈值;若所述第九人脸图像的表情与所述第五人脸的表情的相似度超过所述第一阈值和/或所述第十人脸图像的表情与所述第六人脸的表情的相似度超过所第二阈值,将训练后的初始自监督表情重建模型作为自监督表情重建模型输出;否则,重复执行以上训练步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海幻电信息科技有限公司,未经上海幻电信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110906728.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top