[发明专利]模型训练方法、装置及电子设备

说明书

本公开提供了模型训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域。具体实现方案为：获取带表情人脸图像；将带表情人脸图像对应的带表情隐码特征分别输入隐码表情去除模型和初始隐码表情提取模型，获取无表情隐码特征和预测纯表情隐码特征；进而将获取的两种特征输入初始隐码表情融合模型，获取预测融合隐码特征；根据带表情人脸图像以及预测融合隐码特征解码得到的重建人脸图像，构建损失函数，并根据损失函数的数值对初始隐码表情提取模型以及初始隐码表情融合模型进行参数调整，实现训练，从而实现表情相关特征以及非表情相关特征的解耦，避免表情相关特征的调整对非表情相关特征的影响。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，尤其涉及一种模型训练方法、装置及电子设备。

背景技术

目前，对原始人脸图像进行表情参数调整的方式例如可以为，将原始人脸图像输入深度生成模型(例如，StyleGAN系列)的编码网络，获取隐码特征；对隐码特征中表情相关的部分特征进行调整处理，得到调整后隐码特征；对调整后隐码特征输入解码网络，获取调整后人脸图像。

上述方案中，深度生成模型的编码网络提取到的隐码特征中，表情相关的部分特征以及非表情相关的部分特征相互耦合，对表情相关的部分特征做调整，会影响到非表情相关的部分特征，导致人脸身份发生变化，导致人脸重演效率差。

发明内容

本公开提供了一种模型训练方法、装置及电子设备。

根据本公开的一方面，提供了一种模型训练方法，所述方法包括：获取初始隐码表情提取模型、初始隐码表情融合模型以及训练数据，所述训练数据包括：带表情人脸图像，以及所述带表情人脸图像对应的第一带表情隐码特征；将所述第一带表情隐码特征分别输入隐码表情去除模型和所述初始隐码表情提取模型，获取所述带表情人脸图像对应的，第一无表情隐码特征以及第一预测纯表情隐码特征；将所述第一无表情隐码特征和所述第一预测纯表情隐码特征，输入所述初始隐码表情融合模型，获取所述带表情人脸图像对应的第一预测融合隐码特征；根据所述带表情人脸图像以及所述第一预测融合隐码特征解码得到的重建人脸图像，构建损失函数；并根据所述损失函数的数值对所述初始隐码表情提取模型以及所述初始隐码表情融合模型进行参数调整，实现训练。

根据本公开的另一方面，提供了一种人脸图像生成方法，所述方法包括：获取原始人脸图像、所述原始人脸图像编码得到的隐码特征、以及目标人脸参数；将所述隐码特征分别输入隐码表情提取模型和隐码表情去除模型，获取纯表情隐码特征和无表情隐码特征；对所述纯表情隐码特征和/或所述无表情隐码特征，按照所述目标人脸参数进行调整处理，得到调整后纯表情隐码特征和/或调整后无表情隐码特征；根据所述调整后纯表情隐码特征和/或所述调整后无表情隐码特征，以及隐码表情融合模型，生成调整后隐码特征；将所述调整后隐码特征进行解码处理，得到具有所述目标人脸参数的目标人脸图像。

根据本公开的另一方面，提供了一种模型训练装置，所述装置包括：第一获取模块，用于获取初始隐码表情提取模型、初始隐码表情融合模型以及训练数据，所述训练数据包括：带表情人脸图像，以及所述带表情人脸图像对应的第一带表情隐码特征；第一输入模块，用于将所述第一带表情隐码特征分别输入隐码表情去除模型和所述初始隐码表情提取模型，获取所述带表情人脸图像对应的，第一无表情隐码特征以及第一预测纯表情隐码特征；第二输入模块，用于将所述第一无表情隐码特征和所述第一预测纯表情隐码特征，输入所述初始隐码表情融合模型，获取所述带表情人脸图像对应的第一预测融合隐码特征；参数调整模块，用于根据所述带表情人脸图像以及所述第一预测融合隐码特征解码得到的重建人脸图像，构建损失函数；并根据所述损失函数的数值对所述初始隐码表情提取模型以及所述初始隐码表情融合模型进行参数调整，实现训练。