基于位移场的自动液化实现方法技术

本发明专利技术公开了基于位移场的自动液化实现方法，涉及图片修饰技术领域，具体为包括以下操作步骤：A、基于图形生成液化位移场的深度学习模型；B、自动液化操作网络训练结构；C、自动液化操作网络调整。该基于位移场的自动液化实现方法，自动调整照片中人像形态结构,自动进行人像修图液化操作,可对人像发型,脸型,五官,脖子,肩膀,身形等进行液化操作,可根据人像的特性进行不同的修图效果,保持人像的原有身份特性.使照片的整体的比例和谐,提升协调性。

【技术实现步骤摘要】
基于位移场的自动液化实现方法
本专利技术涉及图片修饰
，具体为基于位移场的自动液化实现方法。
技术介绍
Facelandmark检测器，即人脸特征检测器，可以于图片上的人体面部获得控制点并形成位移场，位移场是指物体三维空间内的位移矢量的空间分布状况，即控制点于图像面部上的空间分布分布，控制点于位移场中进行移动从而对脸部图像进行液化操作，从而实现瘦脸、五官调整等功能。现有的图像液化操作只能于面部获得有限的控制点，只能控制脸部的瘦脸,五官调整,不能扩大调整范围,无法针对发型,身形,脖子等更多的区域进行调整，且对于脸部瘦脸和五官调整方式以固定方向和距离进行,对于不同人的脸型的操作没有差别,这导致不能保持人物原有的特性,人物瘦脸产生相同的效果。
技术实现思路
针对现有技术的不足，本专利技术提供了基于位移场的自动液化实现方法，解决了上述
技术介绍
中提出现有的图像液化操作只能于面部获得有限的控制点，只能控制脸部的瘦脸,五官调整的问题,不能扩大调整范围,无法针对发型,身形,脖子等更多的区域进行调整，且对于脸部瘦脸和五官调整方式以固定方向和距离进行,对于不同人的脸型的操作没有差别,这导致不能保持人物原有的特性,人物瘦脸产生相同的效果的问题。为实现以上目的，本专利技术通过以下技术方案予以实现：基于位移场的自动液化实现方法，包括以下操作步骤：A、基于图形生成液化位移场的深度学习模型；B、自动液化操作网络训练结构；C、自动液化操作网络调整；可选的，所述步骤A中基于图形生成液化位移场的深度学习模型包括以下操作步骤：A1、生成器通过对原始图像与人工修图后的图像之间的差异值进行分类学习，差异值包括：五官、发型、肢体、服饰、光线、色彩、纹理等结构特征；可选的，所述步骤B中自动液化操作网络训练结构包括以下操作步骤：B1、基于A1中对结构特征的大量学习，将原始图像导入生成器中；B2、原始图像为高清图像，分辨率为3000*5000至5000*5000之间，通过对原始图像下采样缩小图像尺寸，即将高分辨率降低至512*512；B3、通过编码器将原始图像中的五官、发型、肢体、服饰、光线、色彩、纹理等结构特征提取并提取出提取物之间结构关系，再通过解码器将提取物与至结构关系自适应归一化并于64*64*2的位移场中形成控制点；B4、基于A1中的修图学习自动控制控制点于位移场移动进行修图作业，同时基于B3已提取出的结构特征与结构之间的关系进行保留，再通过采用双线值差的方式将修图后的图像从512*512的分辨率上采样返回原始图像的尺寸分辨率；B5、基于B4中的原始图像进行扭曲映射，即通过仿射变换将原始图像扭曲得到液化后的图像(此图像称为AI液化图像)；可选的，所述步骤C中自动液化操作网络调整包括以下操作步骤：C1、AI液化图像与人工修图后的图像进行对比，并将两者之间的差异值通过随机梯度下降的方式对生产器的计算方式进行调整，直至AI液化图像与人工修图图像之间的差异值降至最低。本专利技术提供了基于位移场的自动液化实现方法，具备以下有益效果：该基于位移场的自动液化实现方法，自动调整照片中人像形态结构,自动进行人像修图液化操作,可对人像发型,脸型,五官,脖子,肩膀,身形等进行液化操作,可根据人像的特性进行不同的修图效果,保持人像的原有身份特性.使照片的整体的比例和谐,提升协调性。附图说明图1为本专利技术具体实施方式的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。请参阅图1，本专利技术提供技术方案：基于位移场的自动液化实现方法，包括以下操作步骤：A、基于图形生成液化位移场的深度学习模型；B、自动液化操作网络训练结构；C、自动液化操作网络调整；步骤A中基于图形生成液化位移场的深度学习模型包括以下操作步骤：A1、生成器通过对原始图像与人工修图后的图像之间的差异值进行分类学习，差异值包括：五官、发型、肢体、服饰、光线、色彩、纹理等结构特征；步骤B中自动液化操作网络训练结构包括以下操作步骤：B1、基于A1中对结构特征的大量学习，将原始图像导入生成器中；B2、原始图像为高清图像，分辨率为3000*5000至5000*5000之间，通过对原始图像下采样缩小图像尺寸，即将高分辨率降低至512*512；分辨率越清楚则对修图设备的要求也就越高，通过降低分辨率可降低设备计算力，提高适用度；B3、通过编码器将原始图像中的五官、发型、肢体、服饰、光线、色彩、纹理等结构特征提取并提取出提取物之间结构关系，再通过解码器将提取物与至结构关系自适应归一化并于64*64*2的位移场中形成控制点；对原始图像中的结构特征进行提取，有利于在后期修图中保持图像中原有特性，有利于提高图像整体的比例和谐，提高协调性；B4、基于A1中的修图学习自动控制控制点于位移场移动进行修图作业，同时基于B3已提取出的结构特征与结构之间的关系进行保留，再通过采用双线值差的方式将修图后的图像从512*512的分辨率上采样返回原始图像的尺寸分辨率；基于修图学习对图像进行自动修图有利于提高了修图效率，同时提高了人像液化效果，且通过上采样可将图像恢复为原有尺寸分辨率，有利于保持图像清晰度；B5、基于B4中的原始图像进行扭曲映射，即通过仿射变换将原始图像扭曲得到液化后的图像(此图像称为AI液化图像)；步骤C中自动液化操作网络调整包括以下操作步骤：C1、AI液化图像与人工修图后的图像进行对比，并将两者之间的差异值通过随机梯度下降的方式对生产器的计算方式进行调整，直至AI液化图像与人工修图图像之间的差异值降至最低；差异值的降低说明AI液化图像与人工修图图像之间效果越发的接近，从而达到训练目的，使该AI液化图像的操作与修图师的修图能力相差无几，从而代替修图师进行作业，提高修图效率的同时保证修图质量。综上，本文档来自技高网...

【技术保护点】
1.基于位移场的自动液化实现方法，其特征在于包括以下操作步骤：/nA、基于图形生成液化位移场的深度学习模型；/nB、自动液化操作网络训练结构；/nC、自动液化操作网络调整。/n

【技术特征摘要】
1.基于位移场的自动液化实现方法，其特征在于包括以下操作步骤：
A、基于图形生成液化位移场的深度学习模型；
B、自动液化操作网络训练结构；
C、自动液化操作网络调整。


2.根据权利要求1所述的基于位移场的自动液化实现方法，其特征在于：所述步骤A中基于图形生成液化位移场的深度学习模型包括以下操作步骤：
A1、生成器通过对原始图像与人工修图后的图像之间的差异值进行分类学习，差异值包括：五官、发型、肢体、服饰、光线、色彩、纹理等结构特征。


3.根据权利要求1所述的基于位移场的自动液化实现方法，其特征在于：所述步骤B中自动液化操作网络训练结构包括以下操作步骤：
B1、基于A1中对结构特征的大量学习，将原始图像导入生成器中；
B2、原始图像为高清图像，分辨率为3000*5000至5000*5000之间，通过对原始图像下采样缩小图像尺寸，即将高分辨率降低至512*512；

【专利技术属性】
技术研发人员：沈钰锋，吴祥辉，王铎皓，夏俊，
申请(专利权)人：杭州缦图摄影有限公司，
类型：发明
国别省市：浙江;33