[发明专利]一种人脸属性编辑模型的训练以及人脸属性编辑方法

说明书

本发明公开了一种人脸属性编辑模型的训练以及人脸属性编辑方法。该训练方法包括：根据人脸训练图像的重构参数构建初始的人脸属性编辑模型，所述人脸属性编辑模型内预设有目标对抗损失函数和相似度损失函数；将所述人脸训练图像输入到所述人脸属性编辑模型内，利用所述目标对抗损失函数和所述相似度损失函数对所述人脸属性编辑模型进行训练，得到训练后的人脸属性编辑模型。本发明的技术方案，实现人脸属性编辑模型在编辑人脸图像内的目标属性时对目标属性和非目标属性之间的共同约束，确保在编辑目标属性的同时，保持非目标属性的编辑不变性，提升人脸属性编辑模型对于目标属性的编辑准确性，确保当前人脸图像对目标属性编辑后的真实自然性。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种人脸属性编辑模型的训练以及人脸属性编辑方法。

背景技术

人脸属性编辑是计算机视觉领域的一项重要技术，广泛用于内容生产、电影制作和娱乐视频等中，例如变光头、变发型、变小孩、变明星脸等。人脸属性编辑是给定一张包含人脸的输入图像以及待编辑的目标属性，然后将输入图像变换为具有目标属性的目标域人脸图像，并保证人脸图像内原有的其他属性特征不变。

目前，通常会预训练一种生成对抗网络(Generative Adversarial Networks，GAN)来实现人脸图像的目标属性编辑。此时，面向该生成对抗网络内输出图像与输入图像之间的差异，会为该生成对抗网络统一设定一个全局损失函数，并利用该全局损失函数来训练该生成对抗网络，从而引导该生成对抗网络输出的人脸图像能够具有特定的目标属性。

但是，由于全局损失函数会使生成对抗网络的输入图像和输出图像之间存在相应的强约束关系，导致所训练的生成对抗网络输出的人脸图像内的目标属性虽然能够实现编辑，但是与输入图像相比，在编辑目标属性的同时，可能会带动背景区域和非目标属性的变更，使得输出图像内的背景区域和非目标属性区域更新不够自然，极大降低人脸目标属性的编辑准确性。

发明内容

本发明实施例提供了一种人脸属性编辑模型的训练以及人脸属性编辑方法，实现人脸属性编辑模型在编辑人脸图像内的目标属性时对目标属性和非目标属性之间的共同约束，提高人脸目标属性编辑的准确性，确保人脸图像编辑后的真实自然性。

第一方面，本发明实施例提供了一种人脸属性编辑模型的训练方法，该方法包括：

根据人脸训练图像的重构参数构建初始的人脸属性编辑模型，所述人脸属性编辑模型内预设有目标对抗损失函数和相似度损失函数；其中，所述目标对抗损失函数用于约束所述人脸训练图像内目标属性的编辑真实性，所述相似度损失函数用于约束所述人脸训练图像经过所述人脸属性编辑模型时的非目标属性与所述人脸训练图像重构时的非目标属性之间的相似度；

将所述人脸训练图像输入到所述人脸属性编辑模型内，利用所述目标对抗损失函数和所述相似度损失函数对所述人脸属性编辑模型进行训练，得到训练后的人脸属性编辑模型。

第二方面，本发明实施例提供了一种人脸属性编辑方法，该方法包括：

将待编辑的当前人脸图像输入到采用上述第一方面提供的人脸属性编辑模型的训练方法所训练的人脸属性编辑模型中，得到对应的人脸编辑图像；

对所述当前人脸图像进行目标分割，得到对应的目标域掩码图；

利用所述目标域掩码图对所述人脸编辑图像进行图像修复，得到完成目标属性编辑的人脸图像。

第三方面，本发明实施例提供了一种人脸属性编辑模型的训练装置，该装置包括：