Embodiments of the disclosure generally involve editing digital images using neural networks with a network rendering layer. Specifically, the present disclosure includes methods and systems for generating modified digital images using neural networks including rendering layers. In particular, the disclosed systems and methods can train neural networks to decompose input digital images into intrinsic physical attributes (e.g., materials, lighting, and shapes). In addition, systems and methods can replace one of the inherent physical attributes with target attributes, such as modified materials, lighting, or shapes. The system and method can utilize the rendering layer trained to synthesize digital images to generate modified digital images based on the target attributes and the remaining (unreplaceable) inherent physical attributes. The system and method can improve the accuracy of the modified digital image by generating the modified digital image. The modified digital image actually reflects the fusion of the intrinsic physical attributes of the input digital image and the target (that is, the modified) attributes.
【技术实现步骤摘要】
利用具有网络渲染层的神经网络编辑数字图像
本公开的各实施例总体上涉及图像处理,具体地涉及利用具有网络渲染层的神经网络编辑数字图像。
技术介绍
近年来,数字图像编辑领域已经得到了迅速的发展。实际上,由于算法和硬件的进步,传统的数字编辑系统现在能够通过简单的用户输入来数字地修改各种图像特性。例如,传统的数字编辑系统可以应用滤波器来修改数字图像的外观,或者将在第一数字图像中描绘的对象添加到第二数字图像。尽管传统的数字编辑系统近年来已经取得进展,但是它们仍然具有几个显著的缺点。例如,传统的数字编辑系统可以应用滤波器或将对象添加到数字图像,但是难以生成反映各种不同目标图像属性的逼真外观模型的已修改数字图像。为了说明,传统的数字编辑系统可以对数字图像应用滤波器,但是难以修改在数字图像中描绘的对象的材料,使得材料准确地反映数字图像的环境(例如,将新材料反映为好像被放置在原始数字图像的照明环境中)。类似地,虽然传统的数字编辑系统可以从数字图像中添加或去除对象,但是这样的系统不能准确地修改在数字图像中描绘的对象,使得已修改对象反映数字图像的环境(例如,已修改对象呈现为好像被放置在原始数字图像的照明环境中)。此外,虽然传统的数字编辑系统可以修改数字图像的颜色或外观,但是这样的系统通常不能修改数字图像的照明环境,使得在数字图像中描绘的对象改变以准确地反映已修改照明环境。一些传统的系统已经设法解决这些问题,但是每个都引入了它们自己的限制和关注。例如,一些数字图像分解系统寻求通过简化关于数字图像的假设来标识和修改在数字图像中描绘的场景的物理属性。例如,一些数字图像分解系统假设在数字 ...
【技术保护点】
1.一种用于从输入数字图像生成已修改数字图像的系统,包括:一个或多个存储器,包括:神经网络,包括渲染层,所述渲染层被训练为从描绘漫射材料的输入数字图像和描绘镜面材料的输入数字图像生成合成的数字图像;以及输入数字图像;以及至少一个计算设备,所述至少一个计算设备上存储有在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:利用所述神经网络基于所述输入数字图像预测材料属性集、表面取向图或照明环境图中的至少两项;用目标材料属性集、目标表面取向图或目标照明图替换所述材料属性集、所述表面取向图或所述照明环境图中的至少一项;以及利用所述神经网络的所述渲染层基于所述目标材料属性集、所述目标表面取向图或所述目标照明图中的至少一项从所述输入图像生成已修改数字图像。
【技术特征摘要】
2017.03.02 US 15/448,2061.一种用于从输入数字图像生成已修改数字图像的系统,包括:一个或多个存储器,包括:神经网络,包括渲染层,所述渲染层被训练为从描绘漫射材料的输入数字图像和描绘镜面材料的输入数字图像生成合成的数字图像;以及输入数字图像;以及至少一个计算设备,所述至少一个计算设备上存储有在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:利用所述神经网络基于所述输入数字图像预测材料属性集、表面取向图或照明环境图中的至少两项;用目标材料属性集、目标表面取向图或目标照明图替换所述材料属性集、所述表面取向图或所述照明环境图中的至少一项;以及利用所述神经网络的所述渲染层基于所述目标材料属性集、所述目标表面取向图或所述目标照明图中的至少一项从所述输入图像生成已修改数字图像。2.根据权利要求1所述的系统,还包括在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:基于所述输入数字图像预测所述表面取向图、所述照明环境图和所述材料属性集;用所述目标材料属性集替换所述材料属性集;以及利用所述神经网络的所述渲染层基于所述目标材料属性、所述表面取向图和所述照明环境图生成已修改数字属性。3.根据权利要求1所述的系统,其中所述输入数字图像描绘与所述材料属性集相对应的第一材料并且描绘第二材料,并且所述系统还包括在由所述至少一个计算设备执行时还引起所述系统进行以下操作的指令:利用所述神经网络预测与所述第一材料相对应的所述材料属性集以及与所述第二材料相对应的第二材料属性集;用所述目标材料属性集替换所述材料属性集;用第二目标材料属性集替换所述第二材料属性集;以及利用所述神经网络的所述渲染层基于所述目标材料属性集、所述第二目标材料属性集、所述目标表面取向图和所述目标照明图生成所述已修改数字图像。4.根据权利要求1所述的系统,还包括在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:利用所述神经网络基于关于入射光方向、出射光方向和材料属性可区分的参数表示预测所述材料属性集。5.根据权利要求1所述的系统,还包括在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:利用所述神经网络预测所述材料表面取向图,其中所述表面取向图包括具有带有RBG的多个像素的RBG数字图像,其中所述多个像素中的每个像素的RBG值对所述数字图像中描绘的对象的每个像素的表面取向的x、y和z维度进行编码。6.根据权利要求1所述的系统,还包括在由所述至少一个计算设备执行时引起所述系统进行以下操作的指令:生成所述已修改数字图像使得所述已修改数字图像描绘镜面材料。7.一种在对数字图像进行基于计算机的编辑的数字介质环境中的、用于修改数字图像的计算机实现的方法,包括:接收描绘照明环境内的对象的输入数字图像,其中所述对象包括材料的表面,并且其中所述表面具有表面法线方向;接收修改所述输入数字图像的固有属性的请求,其中所述固有属性包括所述材料、所述表面法线方向或所述照明环境中的至少一项;以及利用具有渲染层的神经网络渲染已修改数字图像的步骤,所述已修改数字图像用已修改属性反映所述输入数字图...
【专利技术属性】
技术研发人员:M·E·于梅,杨济美,刘桂林,D·C·阿克斯特,
申请(专利权)人:奥多比公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。