[发明专利]一种视觉产品外观的AI生成方法

权利要求书

1.一种视觉产品外观的AI生成方法，其特征在于，包括如下步骤：

步骤1、给定原产品S和目标物体T，利用目标分割网络PointRend分别提取它们的掩码M_s,M_t，用来作为形状表示；

步骤2、利用卷积编码网络分别提取掩码M_s,M_t的特征F_s,F_t；

步骤3、为掩码特征F_s,F_t添加位置编码信息P，得到

步骤4、利用内积计算间多尺度的全局相关性矩阵，并根据循环神经网络GRU来迭代生成形变场

步骤5、利用估计的形变场来形变原产品掩码M_S，计算形变后的掩码ω_r(M_s)和目标掩码M_t间差的L1范数作为形状损失L_shape，同时将带掩码的平滑正则项作为平滑损失L_smooth，进行LGW网络参数优化；

步骤6、利用训练好的LGW网络估计形变场ω，形变原产品S得到形变图N，和艺术风格图片A一起输入到传统的纹理风格迁移网络中，得到最终风格化的结果O；

步骤7、利用VGG网络计算内容和风格损失L_NST，利用SuperPoint网络计算兴趣正则化损失L_IR，进行IR网络参数优化。

2.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤1中利用PointRend目标分割网络分别分割出原产品S和目标物体T的实体部分，并据此生成二进制离散掩码图M_s,M_t，作为物体精准的形状表示，确保不包含多余的颜色相关的外观信息。

3.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤2所述的卷积编码网络使所提取的特征维持在输入图像八分之一尺寸大小。

4.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤3中为步骤2输出的掩码特征，计算其对应的位置编码信息P，并累加到步骤2输出的掩码特征上，得到

5.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤4中计算间多尺度的全局相关性矩阵，用来进行形状间的特征匹配，并利用循环神经网络GRU来迭代生成多个形变场不同形变场对原产品的形变程度不同。

6.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤5中使用几何形状损失L_shape和平滑正则L_smooth两种损失函数进行LGW网络参数优化；利用估计的形变场形变原产品掩码M_s，几何形状损失用来计算形变后的掩码ω_r(M_s)和目标掩码M_t间差的L1范数，以此来比较形状差异；利用平滑掩码为形变场划分出压缩区域和扩展区域，对这些区域进行平滑约束，从而进一步约束采样方向。

7.根据权利要求1所述的视觉产品外观的AI生成方法，其特征在于，步骤7中利用VGG计算风格化输出O与形变图N间的内容损失L_c，以及O与风格图片A间的纹理损失L_s，利用SuperPoint网络计算O与N间的兴趣正则化损失L_IR，综合上述三个损失对ICTT网络参数进行优化。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的视觉产品外观的AI生成方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的视觉产品外观的AI生成方法。