深度图像生成方法、装置及存储介质制造方法及图纸

本申请实施例公开了一种深度图像生成方法、装置及存储介质，属于计算机技术领域。该方法包括：获取多张目标图像，通过卷积模型中的多个卷积层，对所述多张目标图像进行多级卷积处理，得到所述多个卷积层分别输出的特征图集合，分别将所述每个特征图集合中的多个特征图进行视角聚合，得到每个特征图集合对应的聚合特征，将得到的多个聚合特征进行融合处理，得到深度图像。获取的多张目标图像是按照不同视角拍摄目标物体分别得到的，使得到的多张目标图像中不同角度的信息，丰富了获取到的目标图像的信息量，且通过多个卷积层的多级卷积处理，得到多个不同的特征图集合，丰富了特征图的信息量，从而提高了得到的深度图像的准确性。

Depth image generation method, device and storage medium

【技术实现步骤摘要】
深度图像生成方法、装置及存储介质
本申请实施例涉及计算机
，特别涉及一种深度图像生成方法、装置及存储介质。
技术介绍
随着计算机技术的发展，三维模型的应用越来越广泛。三维模型可以应用于多种场景下，如建筑物的三维模型构建场景、人体的三维模型构建场景等。在生成物体的三维模型时，需要先生成物体的深度图像，因此如何生成深度图像成为亟待解决的问题。
技术实现思路
本申请实施例提供了一种深度图像生成方法、装置及存储介质，能够提高深度图像的准确性。所述技术方案如下：一方面，提供了一种深度图像生成方法，所述方法包括：获取多张目标图像，所述多张目标图像是按照不同视角拍摄目标物体分别得到的；通过卷积模型中的多个卷积层，对所述多张目标图像进行多级卷积处理，得到所述多个卷积层分别输出的特征图集合，每个特征图集合包括所述多张目标图像对应的特征图；分别将所述每个特征图集合中的多个特征图进行视角聚合，得到所述每个特征图集合对应的聚合特征；将得到的多个聚合特征进行融合处理，得到深度图像。可选地，所述聚合特征、所述参考特本文档来自技高网...

【技术保护点】
1.一种深度图像生成方法，其特征在于，所述方法包括：/n获取多张目标图像，所述多张目标图像是按照不同视角拍摄目标物体分别得到的；/n通过卷积模型中的多个卷积层，对所述多张目标图像进行多级卷积处理，得到所述多个卷积层分别输出的特征图集合，每个特征图集合包括所述多张目标图像对应的特征图；/n分别将所述每个特征图集合中的多个特征图进行视角聚合，得到所述每个特征图集合对应的聚合特征；/n将得到的多个聚合特征进行融合处理，得到深度图像。/n

【技术特征摘要】
1.一种深度图像生成方法，其特征在于，所述方法包括：
获取多张目标图像，所述多张目标图像是按照不同视角拍摄目标物体分别得到的；
通过卷积模型中的多个卷积层，对所述多张目标图像进行多级卷积处理，得到所述多个卷积层分别输出的特征图集合，每个特征图集合包括所述多张目标图像对应的特征图；
分别将所述每个特征图集合中的多个特征图进行视角聚合，得到所述每个特征图集合对应的聚合特征；
将得到的多个聚合特征进行融合处理，得到深度图像。


2.根据权利要求1所述的方法，其特征在于，所述通过卷积模型中的多个卷积层，对所述多张目标图像进行多级卷积处理，得到所述多个卷积层分别输出的特征图集合，包括：
通过所述卷积模型中的第一个卷积层，对所述多张目标图像进行卷积处理，得到所述第一个卷积层输出的特征图集合；
通过所述卷积模型中的下一个卷积层，对上一个卷积层输出的特征图集合中的每个特征图进行卷积处理，得到所述下一个卷积层输出的特征图集合，直至得到所述多个卷积层分别输出的特征图集合。


3.根据权利要求1所述的方法，其特征在于，所述分别将所述每个特征图集合中的多个特征图进行视角聚合，得到所述每个特征图集合对应的聚合特征，包括：
将所述多张目标图像中的任一张目标图像作为参考图像，将所述多张目标图像中的其他目标图像作为第一图像；
对于任一特征图集合进行如下处理：
确定所述特征图集合中，所述参考图像对应的参考特征图及所述第一图像对应的第一特征图；
按照所述第一图像与所述参考图像的拍摄视角的差异，将所述第一特征图进行视角转换，得到转换后的第二特征图；
将所述参考特征图与所述第二特征图进行融合处理，得到所述聚合特征。


4.根据权利要求3所述的方法，其特征在于，所述按照所述第一图像与所述参考图像的拍摄视角的差异，将所述第一特征图进行视角转换，得到转换后的第二特征图，包括：
获取所述第一图像对应的第一拍摄参数及所述参考图像对应的参考拍摄参数；
确定输出所述特征图集合的卷积层对应的多个深度值；
根据所述第一拍摄参数与所述第二拍摄参数之间的差异，及所述多个深度值，确定与所述多个深度值对应的多个视角转换矩阵；
根据所述多个视角转换矩阵，分别对所述第一特征图进行视角转换，得到转换后的多个第二特征图。


5.根据权利要求4所述的方法，其特征在于，所述确定输出所述特征图集合的卷积层对应的多个深度值，包括：
确定输出所述特征图集合的卷积层对应的深度层数；
按照所述深度层数将预设深度范围进行划分，得到所述多个深度值。


6.根据权利要求4所述的方法，其特征在于，所述第一图像包括多个，所述将所述参考特征图与所述第二特征图进行融合处理，得到所述聚合特征，包括：
将第一数量的所述参考特征图进行融合处理，得到所述参考图像对应的参考特征卷，所述第一数量等于所述多个深度值的数量；
对于每个第一图像，将所述第一图像对应的第一特征图转换后的多个第二特征图进行融合处理，得到第一特征卷，将所述第一特征卷与所述参考特征卷之间的差值确定为第二特征卷；
将确定的多个第二特征卷进行融合处理，得到所述聚合特征。


7.根据权利要求6所述的方法，其特征在于，所述将确定的多个第二特征卷进行融合处理，得到所述聚合特征，包括：
获取所述输出所述特征图集合的卷积层对应的权重矩阵，所述权重矩阵中包括所述卷积层输出的特征图中每个像素位置对应的权重；
按照所述权重矩阵，将所述多个第二特征卷进行加权融合处理，得到所述聚合特征。


8.根据权利要求1所述的方法，其特征在于，所述多个卷积层输出的特征图的尺度依次减小；所述将得到的多个聚合特征进行融合处理，得到深度图像，包括：
将所述多个聚合特征中最大尺度的聚合特征作为第一聚合特征，将所述多个聚合特征中其他的多个聚合特征作为第二聚合特征；
将所述第一聚合特征进行多级卷积处理，得到多个第三聚合特征，所述多个第三聚合特征...

【专利技术属性】
技术研发人员：张润泽，易鸿伟，陈颖，徐尚，戴宇荣，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44