对线稿图像进行上色的方法、设备以及存储介质技术

本公开提供了一种对线稿图像进行上色的方法、设备以及存储介质。其中，该方法包括：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。本公开解决了现有的对线稿进行上色的技术所存在的上色效果差以及上色效率低的技术问题。

Method, Equipment and Storage Media for Coloring Line Draft Images

The present disclosure provides a method, device and storage medium for coloring line draft images. The method includes acquiring the first line draft image and the first reference image, wherein the first reference image contains the image information referred to when the first line draft image is colored, and coloring the first line draft image based on the first reference image using the model based on machine learning training. The present disclosure solves the technical problems of poor colouring effect and low colouring efficiency existing in the existing technology for colouring line manuscripts.

【技术实现步骤摘要】
对线稿图像进行上色的方法、设备以及存储介质
本公开涉及图像处理领域，具体而言，涉及一种对线稿图像进行上色的方法、设备以及存储介质。
技术介绍
漫画和动画制作流程通常是制作人先完成线稿，再对线稿进行上色完成色稿。在上色过程中，传统方案一般是利用AdobePhotoshop等辅助软件手工对线稿的每个区域进行上色。因此制作一部漫画或动画存在很高的人力成本，同时较长的制作时间也制约了产品的发行速度。随着信息技术的不断发展，目前已经出现了一些利用人工智能方法对线稿进行自动上色的技术。这种自动上色技术在效率上远远高于人工上色，且成本相对较低，只需要一定的计算机资源。Paintschainer是一种现有技术方案，它可以将特定风格的色稿图像作为参考，来对新的线稿进行上色。但由于其方法本身的限制，它的效果离人工上色结果差别很大，无法让人满意；同时其方法效率较低，使得该方案很难进行商用化，尤其是进行动画制作(每秒需要包含十几幅色稿)。现有技术方案Paintschainer主要存在以下缺点：1)上色效果差。Paintschainer完成的色稿中，不同区域之间的界限比较模糊，很多不同区域本应利用不同颜色进行本文档来自技高网...

【技术保护点】
1.一种对线稿图像进行上色的方法，其特征在于，包括：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。

【技术特征摘要】
1.一种对线稿图像进行上色的方法，其特征在于，包括：获取第一线稿图像以及第一参考图像，其中所述第一参考图像包含对所述第一线稿图像进行上色时所参考的图像信息；以及利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理。2.根据权利要求1所述的方法，其特征在于，利用基于机器学习训练的模型，基于所述第一参考图像，对所述第一线稿图像进行上色处理的操作，包括：利用包括多个卷积层的第一卷积模型，从所述第一线稿图像中提取线稿图像特征；利用包括多个卷积层的第二卷积模型，从所述第一参考图像中提取参考图像特征；利用包括多个卷积层的第三卷积模型，基于所述第一线稿图像特征以及所述参考图像特征，生成编码的色稿图像特征，其中所述色稿图像特征包含色稿图像具有的区域划分以及区域色彩信息；以及利用包括多个卷积层的第四卷积模型，基于所述色稿图像特征，生成第一色稿图像作为上色后的所述线稿图像。3.根据权利要求2所述的方法，其特征在于，还包括通过以下操作对所述基于机器学习训练的模型进行训练：获取第二色稿图像以及第二参考图像；基于所获取的第二色稿图像生成第二线稿图像；基于所述第二线稿图像以及所述第二参考图像，利用所述基于机器学习训练的模型，对所述第二线稿图像进行上色处理；对所述第二色稿图像以及上色处理后的所述第二线稿图像进行比对；以及利用所述比对后的结果，对所述基于机器学习训练的模型进行优化。4.根据权利要求3所述的方法，其特征在于，对所述第二色稿图像以及上色处理后的所述第二线稿图像进行比对的操作，包括计算所述第二色稿图像以及上色处理后的所述第二线稿图像之间的L1空间距离，以及对所述基于机器学习训练的模型进行优化的操作，包括：将所述L1空间距离作为损失函数，计算所述损失函数的梯度；以及基于所述梯度，根据随机梯度下降原理对所述基于机器学习训练的模型进行优化...

【专利技术属性】
技术研发人员：马慕晗，
申请(专利权)人：北京东方畅享科技有限公司，
类型：发明
国别省市：北京,11