【技术实现步骤摘要】
基于人工智能的虚拟试穿方法、装置、计算机设备及介质
本专利技术涉及人工智能
,尤其涉及一种基于人工智能的虚拟试穿方法、装置、计算机设备及介质。
技术介绍
虚拟试穿技术通过使用计算机图形学或计算机视觉的技术,将选定衣服图片和人体图像结合在一起,生成对应于用户需求的试穿图像。现有的虚拟试穿技术,一种是利用体感技术结合计算机图形学的方法建立人体三维模型,再将示例衣服渲染在三维模型上,实现2D衣服图像贴合于用户人体,例如虚拟试衣设备K-MIRROR。但该技术往往需要大量的人工标注或昂贵的设备进行信息的获取及复杂的计算,在实际应用中难以推广。另一种是以每日新款app为代表的虚拟试衣拍照系统,用户通过系统内置的真实服装的素材库以及自身提供的头像,通过系统合成,能够使用户完成试衣体验,然而该技术生成的图片仅仅是对用户的头像进行改变与合成,由于用户的个体化差异,其在实际应用中同样难以推广。
技术实现思路
为了解决上述问题至少之一,本专利技术采取以下技术方案:本专利技术第一个实施例提供一种基于人工智能的虚拟试穿方法,包括:将待试穿的衣服图片输入已训练的卷积神经网络模型,得到变形为指定动作的衣服图片;将用户的图片输入已训练的生成对抗网络模型,得到变形为所述指定动作的用户图片;将所述变形为指定动作的衣服图片与所述变形为所述指定动作的用户图片进行融合,得到试穿效果图像。进一步的,在得到制定动作的衣服图片和指定动作的用户图片之前,还包括:识别待试穿的衣服 ...
【技术保护点】
1.一种基于人工智能的虚拟试穿方法,其特征在于,包括:/n将待试穿的衣服图片输入已训练的卷积神经网络模型,得到变形为指定动作的衣服图片;/n将用户的图片输入已训练的生成对抗网络模型,得到变形为所述指定动作的用户图片;/n将所述变形为指定动作的衣服图片与所述变形为所述指定动作的用户图片进行融合,得到试穿效果图像。/n
【技术特征摘要】
1.一种基于人工智能的虚拟试穿方法,其特征在于,包括:
将待试穿的衣服图片输入已训练的卷积神经网络模型,得到变形为指定动作的衣服图片;
将用户的图片输入已训练的生成对抗网络模型,得到变形为所述指定动作的用户图片;
将所述变形为指定动作的衣服图片与所述变形为所述指定动作的用户图片进行融合,得到试穿效果图像。
2.根据权利要求1所述的方法,其特征在于,在得到制定动作的衣服图片和指定动作的用户图片之前,还包括:
识别待试穿的衣服的类别,从指定动作库中选择对应的指定动作。
3.根据权利要求2所述的方法,其特征在于,所述识别待试穿的衣服的类别之前,还包括:
接收拍摄的待试穿衣服的图片;
利用图像识别方法对所述待试穿衣服的图片进行分类,得到所述衣服的类别;
或者
检测用户浏览互联网网站中所选择的衣服所述的类别,得到所述衣服的类别。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述将待试穿的衣服图片输入已训练的卷积神经网络模型,得到变形为指定动作的衣服图片,包括:
将所述待试穿的衣服图片输入第一分支卷积神经网络和第二分支卷积神经网络;
将所述第一分支卷积神经网络的输出和第二分支卷积神经网络的输出进行堆叠并经过解码,得到所述变形为指定动作的衣服图片。
5.根据权利要求4所述的方法,其特征在于,
所述第一分支卷积神经网络由N个神经网络子模块串联构成,其中第一至第N-1神经网络子模块由卷积层、激活函数层和批标准化层串联构成,第N神经网络子模块由卷积层和激活函数层串联构成;
所述第二分支卷积神经网络由M个神经网络子模块串联构成,其中第一至第M-1神经网络子模块由卷积层、激活函数层和批标准化层串联构成,第M神经网络子模块由卷积层和激活函数层串联构成;
其中第一神经网络子模块的卷积层和第二神经网络子模块的卷积层分别接收所述待试穿的衣服图片,所述第N神经网络子模块的激活函数层的输出和所述第M神经网络子模块的激活函数层的输出进行所述堆叠。
6.根据权利要求1所述的方法,其特征在于,所述将用户的图片输入已训练的生成对抗网络模型,得到变形为所述指定动作的用户图片包括:
将所述用户的图片输入第一对抗神经网络,其中所述第一对抗神经网络包括Unet网络构成的生成器和patchdiscriminator网络构成的判别器;
所述生成器将用户的图片中的用户分割出来,并输出所述变形为所述指定动作的Unet网络图片;
所述判别器根据所述用户的图片对所述Unet网络图片进行判断,以输出变形为所述指定动作的用户图片。
7.根据权利要求6所述的方法,其特征在于,还包括
将由所述第一对抗神经网络输出的变形为所述指定动作的用户图片输入第二对抗神经网络,其中所述第二对抗神经网络包括第一Resnet结构的网络构成的生成器和第二Resnet结构的网络构成的判别器。
8.根据权利要求1-7中任一项所述的方法,还包括:分别对所述卷积神经网络模型和生成对抗网络模型进行训练,其中,
所述对所述卷积神经网络模型进行训练进一步包括:
利用已标注的多种变形动作和多种类别的衣服图片作为卷积训练图像集对所述卷积神经网络模型进行训练;
利用未标注的多种变形动作和多种类别的衣服图片作为卷积测试图像集对训练后的卷积神经网络模型进行测试;
...
【专利技术属性】
技术研发人员:陈海波,罗志鹏,徐振宇,
申请(专利权)人:深延科技北京有限公司,
类型:发明
国别省市:北京;11
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。