[发明专利]图像处理方法、模型训练方法、装置和计算机设备

说明书

本说明书实施例公开了一种图像处理方法、模型训练方法、装置和计算机设备。所述方法包括：根据源图像获取身份特征和属性特征，所述源图像包含第一生物对象，所述身份特征用于表示第一生物对象的身份信息，所述属性特征用于表示第一生物对象的属性信息；根据目标图像获取上下文特征，所述目标图像包含第二生物对象，所述上下文特征用于表示第二生物对象的上下文信息；根据身份特征、属性特征和上下文特征，生成融合图像，所述融合图像包含融合生物对象，所述融合生物对象的身份信息和属性信息与第一生物对象相同，所述融合生物对象的上下文信息与第二生物对象相同。本说明书实施例可以提高融合图像和源图像在细节属性上的相似程度。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种图像处理方法、模型训练方法、装置和计算机设备。

背景技术

图像融合技术的应用场景非常广泛。通过图像融合技术，可以将源图像中生物对象的信息和目标图像中生物对象的信息进行融合，得到融合图像。例如，通过图像融合技术，可以将源图像中人脸的信息和目标图像中人脸的信息进行融合，得到换脸图像。

然而，目前的图像融合技术，融合图像中生物对象的细节属性与源图像中生物对象的细节属性无法保持一致。例如，换脸图像中胡子的颜色与源图像中胡子的颜色无法保持一致。

发明内容

本说明书实施例提供一种图像处理方法、模型训练方法、装置和计算机设备，以提高融合图像和源图像在细节属性上的相似程度。

本说明书实施例的第一方面，提供了一种图像处理方法，包括：

根据源图像获取身份特征和属性特征，所述源图像中包含第一生物对象，所述身份特征用于表示第一生物对象的身份信息，所述属性特征用于表示第一生物对象的属性信息；

根据目标图像获取上下文特征，所述目标图像中包含第二生物对象，所述上下文特征用于表示第二生物对象的上下文信息；

根据身份特征、属性特征和上下文特征，生成源图像和目标图像的融合图像，所述融合图像中包含第一生物对象和第二生物对象的融合生物对象，所述融合生物对象的身份信息和属性信息与第一生物对象相同，所述融合生物对象的上下文信息与第二生物对象相同。

本说明书实施例的第二方面，提供了一种模型训练方法，包括：

将源图像样本和目标图像样本输入对抗网络中的生成器，得到源图像样本和目标图像样本的融合图像样本，所述源图像样本中包含第一生物对象，所述目标图像样本中包含第二生物对象，所述融合图像样本中包含第一生物对象和第二生物对象的融合生物对象；

将源图像样本和融合图像样本输入对抗网络中的判别器，得到判别结果；

根据判别结果，利用损失函数优化对抗网络的模型参数，所述损失函数至少包括第一项，所述第一项用于约束融合生物对象与第一生物对象之间的属性信息偏差。

本说明书实施例的第三方面，提供了一种图像处理装置，包括：

第一获取单元，用于根据源图像获取身份特征和属性特征，所述源图像中包含第一生物对象，所述身份特征用于表示第一生物对象的身份信息，所述属性特征用于表示第一生物对象的属性信息；

第二获取单元，用于根据目标图像获取上下文特征，所述目标图像中包含第二生物对象，所述上下文特征用于表示第二生物对象的上下文信息；

生成单元，用于根据身份特征、属性特征和上下文特征，生成源图像和目标图像的融合图像，所述融合图像中包含第一生物对象和第二生物对象的融合生物对象，所述融合生物对象的身份信息和属性信息与第一生物对象相同，所述融合生物对象的上下文信息与第二生物对象相同。

本说明书实施例的第四方面，提供了一种模型训练装置，包括：