【技术实现步骤摘要】
图像生成模型训练方法以及装置
本说明书实施例涉及计算机
，特别涉及图像生成模型训练方法以及装置。
技术介绍
随着计算机技术的发展，三维图像被广泛的应用到各个领域，比如，可以应用到身份识别领域、动画制作领域、以及特效制作领域等。然而用以构造三维图像的图像生成模型的制作需要用高精度的3D扫描仪进行对待构建的对象进行上百次的扫描，并通过复杂的后处理才能获得，制作成本在百万元级别，因此，需要提供更经济且有效的方案。
技术实现思路
有鉴于此，本说明书实施例提供了一种图像生成模型训练方法。本说明书一个或者多个实施例同时涉及一种图像生成模型训练装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。本说明书实施例的第一方面，提供了一种图像生成模型训练方法，包括：获取目标对象的至少两张第一样本图像以及第一样本基准图像；计算每张第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵；将所述每张第一样本图像进行深度估计，获得所述每张第一样本图像的第一样本深度图像；<...
【技术保护点】
1.一种图像生成模型训练方法，包括：/n获取目标对象的至少两张第一样本图像以及第一样本基准图像；/n计算每张第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵；/n将所述每张第一样本图像进行深度估计，获得所述每张第一样本图像的第一样本深度图像；/n基于所述第一样本图像、所述第一样本位姿变换矩阵以及所述第一样本深度图像对初始图像生成模型进行模型训练，获得针对所述目标对象的三维图像的图像生成模型。/n
【技术特征摘要】
1.一种图像生成模型训练方法，包括：
获取目标对象的至少两张第一样本图像以及第一样本基准图像；
计算每张第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵；
将所述每张第一样本图像进行深度估计，获得所述每张第一样本图像的第一样本深度图像；
基于所述第一样本图像、所述第一样本位姿变换矩阵以及所述第一样本深度图像对初始图像生成模型进行模型训练，获得针对所述目标对象的三维图像的图像生成模型。
2.根据权利要求1所述的图像生成模型训练方法，所述基于所述第一样本图像、所述第一样本位姿变换矩阵以及所述第一样本深度图像对初始图像生成模型进行模型训练，获得针对所述目标对象的三维图像的图像生成模型，包括：
将所述第一样本图像、所述第一样本位姿变换矩阵、第一样本深度图像组成训练样本集；
将所述训练样本集中的训练样本输入所述初始图像生成模型的编码模块，生成中间三维形变向量；
将所述中间三维形变向量输入所述初始图像生成模型的解码模块进行解码，获得所述目标对象的中间三维图像；
确定所述中间三维图像在所述第一样本位姿变换矩阵对应的拍摄视角的中间深度图像；
计算所述中间深度图像和所述样本深度图像的误差，并根据计算结果对所述初始图像生成模型进行迭代训练，获得所述图像生成模型。
3.根据权利要求1所述的图像生成模型训练方法，还包括：
获取所述目标对象的第一图像以及基准图像；
计算所述第一图像相对于所述基准图像的位姿变换矩阵；
将所述第一图像进行深度估计，获得所述第一图像的深度图像；
将所述位姿变换矩阵、所述深度图像以及所述第一图像输入所述图像生成模型进行三维重建，获得所述目标对象的目标三维图像。
4.根据权利要求3所述的图像生成模型训练方法，所述将所述位姿变换矩阵、所述深度图像以及所述第一图像输入所述图像生成模型进行三维重建，获得所述目标对象的目标三维图像，包括：
将所述位姿变换矩阵、所述深度图像以及所述第一图像输入所述图像生成模型的编码模块进行特征编码，获得三维形变向量；
将所述三维形变向量输入所述图像生成模型的解码模块进行解码，获得所述目标对象的所述目标三维图像。
5.根据权利要求1所述的图像生成模型训练方法，所述计算每张第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵，包括：
对所述每张第一样本图像进行关键点检测，获得第一关键点集合，并对所述第一样本基准图像进行关键点检测，获得基准关键点集合；
将所述第一关键点集合中第一关键点与所述基准关键点集合中的基准关键点进行关键点匹配，获得关键匹配点集合；
基于所述关键匹配点集合，计算所述第一样本图像相对于所述第一样本基准图像的第一样本位姿变换矩阵。
6.根据权利要求1所述的图像生成模型训练方法，所述将所述每张第一样本图像进行深度估计，获得所述每张第一样本图像的第一样本深度图像，包括：
将所述每张第一样本图像输入深度图像模型进行深度估计，获得所述每张第一样本图像的第一样本深度图像...
【专利技术属性】
技术研发人员：李顺恺，王萌，程远，徐富荣，高生兵，葛官法，程丹妮，朱旻芸，杨路光，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
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。