[发明专利]图像特征迁移方法、装置、存储介质及终端设备有效

专利信息
申请号: 202111107780.6 申请日: 2021-09-22
公开(公告)号: CN113838166B 公开(公告)日: 2023-08-29
发明(设计)人: 唐吉霖;袁燚;胡志鹏 申请(专利权)人: 网易(杭州)网络有限公司
主分类号: G06T11/60 分类号: G06T11/60;G06T7/11;G06T7/44;G06V10/46;G06V20/70;G06V10/54;G06V10/778;G06V10/82
代理公司: 深圳紫藤知识产权代理有限公司 44570 代理人: 汪阮磊
地址: 310052 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 特征 迁移 方法 装置 存储 介质 终端设备
【说明书】:

本申请实施例提供一种图像特征迁移方法、装置、存储介质及终端设备,该方法包括:通过获取源人体图像和目标人体姿态图;构建与目标人体姿态图的目标人体语义分割图及目标人体姿态特征图;从源人体图像中提取出源人体纹理特征;获取源所述人体图像的各个关键区域的纹理特征编码;将各个关键区域的纹理特征编码分别转化成对应的权重参数;通过分区域卷积操作将源人体图像的源人体纹理特征迁移至目标人体姿态特征图得到目标特征图;对目标特征图进行解码操作得到目标人体图像。本申请实施例提高了外观特征提取的有效性和针对性,减少无关因素的干扰,使得完成动作迁移的目标人体图像能够清晰有效还原源人体图像的外观特征。

技术领域

本申请涉及电子通信技术领域,尤其涉及一种图像特征迁移技术领域,特别涉及一种图像特征迁移方法、装置、存储介质及终端设备。

背景技术

动作迁移技术是一种将源输入图片中的人体图像变换为目标动作姿态的技术。给定源人体图像和目标人体姿态便能够将源人体图像的外观特征迁移到包含目标人体姿态的图像上。该技术旨在生成目标姿态下的真实、自然的人物图像,同时保持源人物图像原有的外观特征。

目前的动作迁移技术大多基于动作迁移模型实现,动作迁移模型主要分为语义分割图生成器和人体图像生成器两个部分。但是,目前利用动作迁移模型在进行提取人体图像外观特征的过程中,没有充分地考虑图像纹理内在、固有的视觉属性,难以获得有效的外观特征,容易受到形状等无关因素的干扰,导致最终完成动作迁移的目标人体图像不能有效还原源人体图像的外观特征,或者出现目标人体图像的关键区域显示不清晰等情况。

发明内容

本申请实施例提供一种图像特征迁移方法、装置、存储介质及终端设备,能够提高外观特征提取的有效性和针对性,减少了其他无关因素的干扰,使得完成动作迁移的目标人体图像能够清晰有效还原源人体图像的外观特征。

本申请实施例一方面提供了一种图像特征迁移方法,包括:

获取源人体图像和目标人体姿态图;

基于所述源人体图像和目标人体姿态图,构建与所述目标人体姿态图对应的目标人体语义分割图及目标人体姿态特征图;

从所述源人体图像中提取出源人体纹理特征;

从所述源人体纹理特征中获取源所述人体图像的各个关键区域的纹理特征编码;

将所述各个关键区域的纹理特征编码分别转化成对应的权重参数;

利用所述各个关键区域对应的权重参数,通过分区域卷积操作,将所述源人体图像的源人体纹理特征迁移至所述目标人体姿态特征图的相应位置,得到目标特征图;

对所述目标特征图进行解码操作,得到结合所述源人体纹理特征和目标人体姿态图的目标人体图像。

在本申请实施例所述的图像特征迁移方法中,所述利用所述各个关键区域对应的权重参数,通过分区域卷积操作,将所述源人体图像的源人体纹理特征迁移至所述目标人体姿态特征图的相应位置,得到目标特征图,包括:

从所述源人体图像中提取出源人体语义分割图;

基于所述目标人体语义分割图,利用所述源人体图像的各个关键区域的纹理特征编码和对应的权重参数,分别在所述目标人体姿态特征图上与各个关键区域对应的区域进行分区域卷积操作,以得到将所述源人体图像的源人体纹理特征迁移至所述目标人体姿态特征图相应位置的目标特征图。

在本申请实施例所述的图像特征迁移方法中,所述从所述源人体纹理特征中获取所述源人体图像的各个关键区域的纹理特征编码,包括:

使用空间逐点相乘法对所述源人体纹理特征中各关键区域的人体纹理特征进行处理,得到所述各个关键区域的原始纹理特征;

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网易(杭州)网络有限公司,未经网易(杭州)网络有限公司许可,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/202111107780.6/2.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